sgm软件用户使用手册

基于组合预测模型的县级农村电网最大负荷预测软件V1.0用户 手册 华为质量管理手册 下载焊接手册下载团建手册下载团建手册下载ld手册下载 基于组合预测模型的县级农村电网最大负荷预测软件V1.0PAGE\*MERGEFORMAT#一、设计原理1、采用组合预测模型的意义电力系统最大负荷预测是未来电力规划、生产和运行等工作的重要基础。因此，提高最大负荷预测精度，对于保障电网安全、经济、优质运行具有重要意义。由于最大负荷预测会受到很多不确定因素的影响，目前没有哪一种预测模型能保证适用于任何不同时间和地区，获得满意的预测结果。而考虑到不同的预测方法能提供不同的有用信息和预测精度，在做具体规划时往往会先采用多种单一的预测方法进行预测，然后综合利用这些方法所提供的信息，将各种单一的预测方法进行适当的组合，形成组合预测方法进行预测。由于组合预测是将各种预测效果进行总体综合考虑，因此会比单一预测模型更系统、更全面，并能有效地提高预测精度。本软件根据灰色预测模型(GM(1,1)模型)、ARIMA模型和模糊线性回归模型等三种单一预测模型建立组合预测模型，采用平均精度组合预测法和等权重平均递归法策略，分别建立组合预测模型。并用其对某县未来十年的最大负荷进行预测，分析结果 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 明所述组合预测方法具有相当的适用性和优越性。2、设计思路最大负荷预测是电力系统规划、安全经济运行和电网科学管理的基础，也是能量管理系统(EMS)和配电管理系统(DMS)的重要组成部分。由于电能不能大量储存，其生产和消费必须同时进行，对于并不十分发达的县级农村电网来说，最大负荷预测更具有重要的经济实用价值。在我国特有的国情下，县级农村电网具有比较重要的地位，但基于此的最大负荷预测的研究却并不是很多，找到一种适合的最大负荷预测模型便具有重要意义。最大负荷的预测方法众多，每种预测模型都有自己的适用范围，很难适用于所有情况。组合预测理论认为，对同一个预测问题使用多个不同预测模型的线性组合，在一定条件下能够有效地改善模型的拟合能力并提高预测精度。组合预测模型能将多种单一预测方法得到的预测结果进行有机地综合，能较大限度地利用各种预测样本信息，比单个预测模型考虑问题更系统、更全面，因而能够有效地减少单个预测模型过程中一些环境随机因素的影响，从而提高预测精度。而同时，如何从众多的预测模型中选择最能发挥组合预测法特点的若干单项预测模型，以及如何对各选定的模型赋予合适的权重，是组合预测方法的重点和难点。3、实现功能本软件主要致力于对县级农村电网最大负荷预测的组合预测模型的研究和开发，现已完成目标如下：基于此前国内外对于最大负荷预测模型的研究成果，分析县级农村电网的特点，提取关键影响因素，选取三种合适的预测方法进行单独预测的研究；在各项预测方法的基础上，进行适当的组合，形成两种组合预测模型，通过以某县历史数据为例，可以看到使用组合预测模型比任何一种单一预测都具有更高的准确度。针对上述各项模型编写实用软件，算出可以满足要求的预测值，可以为农村电网管理部门和县级供电企业提供决策支持。4、设计的主要原理4.1时间序列模型（1）数据平稳化处理首先要对时间序列数据进行平稳性检验。可以通过时间序列的散点图或折线图对序列进行初步的平稳性判断。一般采用ADF单位根检验来精确判断该序列的平稳性。对非平稳的时间序列，我们可以先对数据进行取对数或进行差分处理，然后判断经处理后序列的平稳性。重复以上过程，直至成为平稳序列。此时差分的次数即为ARIMA(p,d,q)模型中的阶数d。从理论上而言，足够多次的差分运算可以充分地提取序列中的非平稳确定性信息。但应当注意的是，差分运算的阶数并不是越多越好。因为差分运算是一种对信息的提取、加工过程,每次差分都会有信息的损失,所以在实际应用中差分运算的阶数要适当,应当避免过度差分,简称过差分的现象。一般差分次数不超过2次。数据平稳化处理后,ARIMA(p,d，q)模型即转化为ARMA(p,q)模型。(2)模型识别引入自相关系数和偏自相关系数这两个统计量来识别ARMA(p,q)模型的系数特点和模型的阶数。若平稳序列的偏相关函数是截尾的,而自相关函数是拖尾的，可断定序列适合AR模型；若平稳序列的偏相关函数是拖尾的，而自相关函数是截尾的,则可断定序列适合MA模型；若平稳序列的偏相关函数和自相关函数均是拖尾的，则序列适合ARMA模型。在平稳时间序列自相关函数和偏自相关函数上初步识别ARMA模型阶数p和q,然后利用AIC定则准确定阶。AIC准则：最小信息准则，同时给出ARMA模型阶数和参数的最佳估计，适用于样本数据较少的问题。目的是判断预测目标的发展过程与哪一随机过程最为接近。因为只有当样本量足够大时，样本的自相关函数才非常接近母体的自相关函数。具体运用时，在规定范围内使模型阶数从低到高，分别计算AIC值，最后确定使其值最小的阶数是模型的合适阶数。3)参数估计确定模型阶数后,应对ARMA模型进行参数估计。(4)模型检验完成模型的识别与参数估计后，应对估计结果进行诊断与检验，以求发现所选用的模型是否合适。若不合适，应该知道下一步作何种修改。这一阶段主要检验拟合的模型是否合理。一是检验模型参数的估计值是否具有显著性；二是检验模型的残差序列是否为白噪声。4.2灰色系统法(1)数据的检验与处理首先，为了保证建模方法的可行性，需要对已知数据列做必要的检验处理.设参考数据为x(0)二(x(0)(k)1k二1,2,…,n)二(x(0)(1),x(o)(2),…,x(o)(n))，计算数列的级比1)x(0)(k-1)x(0)(k)如果所有的级比都落在可容覆盖X二(e-n+1,en+1)内［1,3］，则数列可以作为模型GM(1,1)和进行数据灰色预测.否则，需要对数列做必要的变换处理，使其落入可容覆盖内。则使数列y(0)=(y(0)(1),y(0)(2),…,y(o)(n))的级比2)y(0)(k-1)y(0)(k)2)建立模型GM(1,1)设x(O)为n个元素的数列x(O)=(x(0)⑴,x(0)(2),…,x(0)(n))，x(o)的累加生成数列为x⑴=(x⑴(1),x⑴(2),…,x⑴(n))，其中3)x(1)(i)=乞x(0)(m),i=1,2,3…,n)m=1则定义x(1)的灰导数为d(k)=x(0)(k)=x⑴(k)-x⑴(k-1),(k=2,3,—,n)4)令z(1)为数列x(1)的均值数列，即z⑴(k)=0.5x⑴(k)+0.5x⑴(k-1),k=2,3,…,n5)于是定义GM(1,1)的灰微分方程模型为d(k)+az(1)(k)=bx(0)(k)+az(1)(k)=b7)其中x(0)(k)称为灰导数，a称为发展系统，z⑴(k)称为白化背景值，b称为灰作用量.将时刻k=2,3,…,n，代入上式中有x(0)(2)+az(1)(2)=bx(0)(3)+az(1)(3)=bx(0)(n)+az(1)(n)=bx(0)(2)「-z(1)(2)1_x(0)(3)7/a，B=-z(1)(3)1・，ub••x(0)(n)-z(1)(n)1Y=则GM(1,1)可以表示为矩阵方程Y=Bu.8)现在问题归结为求a,b的值。用一元线性回归,计值为即最小二乘法求它们的估一a‘=(BtB)-1BtYb_对于GM(1,1)的灰微分方程，如果将灰导数x(0)(k)的时刻k=2,3,…,n视为连续变量t，则x(1)视为时间t的函数x(1)(t)，于是x(0)(k)对应于导数如®dt让背景值z⑴(k)对应于导数x(I)(t)。于是GM(1,1)的灰微分方程对于白微分方程为血+ax(1)(t)=bdt称之为GM(1,1)的白化型。式子⑵以初值x⑴(t=1)=x(0)(1)的解为bbX(1)(t)=(x(0)(1)一)e-a(t-1)+aa3)检验预测值残差检验：令残差为£(k)，计算10)x(0)(k)-x(0)(k)£(k)=x(0)(k)如果小于0.2，则可认为达到一般要求；如果小于0.1，则认为达到较高的要求。(4)级比偏差值检验首先由参考数据x(0)(k-1)，x(0)(k)计算出级比，再用发展系数求出相应的级比偏差11)'1-0.5a、d+0.5a丿如果小于0.2,则可认为达到一般要求；如果小于0.1，则认为达到较高的要求。4.3模糊线性回归法线性回归是电力系统最大负荷预测的常用方法。但是对于实际的最大负荷预测问题，由于受各种因素的影响，收集和统计的历史数据往往不很精确，而是模糊的，而未来相关变量数据也只能是个估计数,同样也是模糊的。此外，经典回归模型本身很难完全反映变量间的关系，模型误差会造成回归值和预测变量实际值的差距。所以经典回归技术不适宜用于有模糊数的预测，而模糊线性回归预测可较好地解决此类问题。作为线性回归模型的延伸，其重点在于找到与最大负荷相关的影响因素。综合大量国内外文献和生产生活实际，选定GDP和人口作为反映与最大负荷联系紧密的因素是普适且相对科学的。由此可以推论，若某一地区具有其他显著影响因素，可以以此类推作为自变量加入回归方程，从而得到有较强针对性且预测精度提高的模型。（1）模糊线性回归模型的建立自变量x（j=l,2,…,n）和模糊因变量之间的模糊线性回归方程可以用下式j表示：y—A+A•x+...+A•x—A+兰A/x.o11nn0jj（12）j—1式中Aj为回归系数（j=l,2…,n）。在模糊线性回归分析中,回归系数是模糊数。取模糊因变量为三角模糊数，表示为（Y,c），其中y为三角模糊数的中心值，c为模糊幅度。取模糊回归系yy数为三角模糊数，表示为（a,c）,其中a为三角模糊数的中心值，c为模糊幅度。jjjj于是，问题转化为利用已知的m组观测数据确定回归系数。（yi，X1i，X2i，…，xni）1=1,2,…,M（已知的观测值）常用的方法如下：给定贴近度 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 h，问题转化为在一定条件下使的模糊度0最小的线性规划问题。即：SA0+乙①兮-minTOC\o"1-5"\h\zIj=1丿HYPERLINK\l"bookmark62"(ho-1).co+Xc-1xI+c00Ijjiyij=1i=1,2,...,14)其中Wj为各回归系数模糊幅度在目标函数中的权重，一般可以按下式取值,W0=W1=•••=wn=】。所以求解上述线性规划问题，得到aCj(j=O,l,…,n),从而可以求得的模糊回归系数^Aj(a,c.)。代入模糊线性回归方程，最终可以解出预测值。4.4平均精度优选组合预测法组合预测是在单个预测模型不能完全正确地描述预测量的变化规律时发挥作用。组合了多种单一预测模型的信息，考虑的信息影响也很全面，能够有效地改善预测的效果。优选组合有两种方式：一是从几种预测方法得到的结果中选取适当的权重加权平均;二是指在几种预测方法中进行比较,选择拟和度最佳或标准偏差最小的预测模型进行预测。平均精度优选组合预测法从几种预测方法中根据数据离散率的不同选取适当的权重进行加权平均。设错误！未找到引用源。(k)为残差相对值，错误！未找到引用源。为平均残差,P为平衡精度,则15)TOC\o"1-5"\h\z错误！未找到引用源。（16）P=（1-错误！未找到引用源。）错误！未找到引用源。100%（17）将残差转化为平均精度后,t时刻第i模型的权重错误！未找到引用源。可表示为HYPERLINK\l"bookmark64"错误！未找到引用源。（18）式中错误！未找到引用源。为第i种模型k时刻的平均精度；n为模型数。4.5递归等权组合预测组合预测方法是近年来国内外预测学者研究的一个重要课题。简单平均预测法是广泛应用的一种组合预测方法。该法的优点是简单易行，缺点是预测误差平方和较大。为了克服简单平均预测法的缺点，有人提出了递归等权组合预测方法，以下简称REW法。并且就两种方法组合的情形，通过实例计算表明，REW法是收敛的。设共有N种预测方法，第一轮平均时将它们分别记为/⑴=f,f(1)=f,f⑴=f1122NN简单平均法可以表示为111f(1)=f(1)+f(1)+...+f(1)cN1N2NN111f(1)=f(1)+f(1)+...+f(1)c,tN1，tN2,tNN,t19)20)式中f（1）（i=人2…,N1表示第i种预测方法在t时刻的模型值。i,t设第N种预测方法中第种预测模型误差平方和最大，用平均值替换掉第i种方法的预测值，得到第二轮平均所需的N种方法预测值为fi⑵=4⑴ff⑵=f⑴2,幕)=f121)(22)否则继续如此不断地进行下去，经过K轮平均，就可得到组合模型为11f(k)=f(k)+...+f(k)1N1NN如果的模型误差平方和已经达到可接受的水平，就可以停止迭代，迭代下去直到模型误差平方和改进不大。3、算法计算 流程 快递问题件怎么处理流程河南自建厂房流程下载关于规范招聘需求审批流程制作流程表下载邮件下载流程设计 图图1计算流程图二、软件的运行1、运行环境1)系统平台windowsXP/7；2)MatlabR2008a以上版本；2、运行步骤第一步：打开matlab软件；第二步：找到“基于组合预测模型的县级农村电网最大负荷预测软件V1.0”所在目录，运行主界面程序。第三步：点击“输入数据”按键，录入相关数据，点击“OK”回到主页面。第四步：分别点击“时间序列法”、“灰色系统”、“模糊线性回归”、“组合预测1”、“组合预测II”，可得到相应的组合预测结果。三、软件介绍1、主界面基于组合预测模型的县级农村电网最大负荷预测软件：软件主界面如图2所示。包括输入数据按钮，点击进入图3所示页面，进行录入数据工作。包括三种基本的预测方法和两种组合预测方法。基本预测方法分别为时间序列法、灰色系统法、模糊线性回归法。在录入相关数据后，点击相关按钮即可获得对应的预测数据和最大负荷变化趋势图。组合预测有两种方法，分别为平均精度组合预测模型预测法和等权重平均递归模型预测法。点击相关按钮即可获得对应的组合预测数据和最大负荷变化趋势图。图2基于组合预测模型的县级农村电网最大负荷预测软件2、输入数据按钮点击输入数据按钮会弹出如图3所示输入数据界面。输入数据界面由往年最大负荷数据、往年GDP数据和往年人口数据三部分组成，在各个空格内将数据输入。将前十年的最大负荷依次输入到最上方的十个空格内。如需要使用模糊线性回归法或两种组合预测的方法进行预测，还需要输入前二十年的GDP和人口的数值。图3输入数据界面输入数据后如图4所示。图4数据输入点击OK键回到主页面。3、时间序列法预测返回主页面之后，点击“时间序列法”，得到时间序列模型预测结果。从最大负荷变化趋势中可以直观的看出最大负荷的变化趋势。预测结果中也可以直观的读出相关数据。图5时间序列法预测结果4灰色系统法预测返回主页面之后，点击“灰色系统法”，得到时间序列模型预测结果。从图中可以直观的看出最大负荷的变化趋势。预测结果中也可以直观的读出相关数据。图6灰色系统法预测结果5模糊线性回归法预测点回主页面之后，点击“模糊线性回归法”，得到模糊线性回归法预测结果。从图中可以直观的看出最大负荷的变化趋势。预测结果中也可以直观的读出相关数据。图7模糊线性回归模型预测结果6平均精度组合预测模型预测点回主页面之后，点击“组合预测I”，平均精度组合预测模型预测结果。从图中可以直观的看出最大负荷的变化趋势。预测结果中也可以直观的读出相关数据。图8平均精度组合预测模型预测结果7等权重平均递归模型预测点回主页面之后，点击“组合预测II”，等权重平均递归模型预测结果。从图中可以直观的看出最大负荷的变化趋势。预测结果中也可以直观的读出相关数据。图9等权重平均递归模型结果