基于SPSS的负荷特性分析及其预测研讨.pdfVIP

中国电机工程学会第十届青年学术会议 ·吉林 基于 SPSS 的负荷特性分析及其预测研究 杨巍 赵明宇 王森 (东北电力大学 电气工程学院 吉林 吉林 132012) 摘要：从主成分分析、聚类分析和多元回归分析等方面，应用SPSS在数据处理和分析上的强大的功能，从负荷预 测角度进行电力系统负荷特性分析。通过分析可以更清楚地了解负荷数据间的内在联系、变化规律和影响负荷预测的 特性，研究SPSS在预测方面的应用，对于提高负荷预测的水平具有重要的意义。 关键词：SPSS；负荷特性；负荷预测 1 引 言 由于各地区的负荷特性的不同，目前还没有一种预测方法适用于所有地区。因此，对负荷进行特性分 析，找出数据间的内在联系、变化规律和影响负荷预测的特性，就显得十分重要了。 SPSS(Statistical product and Service Solu- tions )统计分析软件[1] 以其清晰、直观、易学易用，涵盖面广 等特点和具有强大的图形功能特色，通过统计图可以直观、清晰地描述用于负荷预测的数据间的内在联系 和变化规律。因此，应用 SPSS 分析软件，从负荷特性分析和预测两方面进行研究。 2 基于 SPSS 的负荷特性分析 2.1 主成分分析 主成分分析是在基本保持原变量信息不变的前提下，通过原变量的少数几个线性组合来代替原变量并 揭示原变量之间关系的一种分析方法[2]。为了能用少量的气象因子来表征一天的天气状况，这里将气象因 子作为一个分析集合，进行气象因子的主成分分析。以哈尔滨地区1999年春季的5个相关气象因素数据作 为训练数据，利用SPSS的因子分析对相关因素作主成分分析，分析结果如表1和表2所示。 由表1分析，变量间存在较强的相关关系，即日最高温度日与最低温度相关系数达到了0.945，这说明 主成分分析是必要的。 表2是主成分的统计信息，包括特征根由大到小的次序排列，各主成分的贡献率累积贡献率：第一主 成分的特征根为2.189，它解释了负荷变化的43.788%；第二主成分的特征根为1.713，它解释了负荷变化 的34.250%；第三主成分的特征根为1.102，它解释了负荷变化的14.031% 。前3主成分累计贡献率达到了 92.069%，这说明前3个主成分提供了原始数据的足够信息，因此提取3个主成分。 表1 相关矩阵 日最高温度 日最低温度 其它气象因素1 其它气象因素2 其它气象因素3 日最高温度 1.000 .945 .124 .333 -.267 日最低温度 .945 1.000 -.015 .330 -.114 其它气象因素1 .124 -.015 1.000 -.253 -.622 其它气象因素2 .333 .330 -.253 1.000 .098 其它气象因素3 -.267 -.114 -.622 .098 1.000 表2 主成分统计信息 主成分 初始特征值 提取平方载荷总和 特征根 方差贡献率% 累计贡献率% 特征根 方差贡献率% 累计贡献率% 1 2.189 43.788 43.788 2.189 43.788 43.788 2 1.713 34.