c++已知2点求中垂线_电力系统负荷预测-基本方法以及分析(2)
4.预测模型选择的标准
4.1 基本准则
基本的准则有残差平方和以及均方误差(MSE) , 残差平方和定义为:
均方误差的定义为:
n为样本容量。
如果模型选择以MSE为标准,则容易出现过拟合。
过拟合(over-fitting)也称为过学习,它的直观表现是算法在训练集上表现好,但在测试集上表现不好,泛化性能差。过拟合是在模型参数拟合过程中由于训练数据包含抽样误差,在训练时复杂的模型将抽样误差也进行了拟合导致的。所谓抽样误差,是指抽样得到的样本集和整体数据集之间的偏差。直观来看,引起过拟合的可能原因有:
模型本身过于复杂,以至于拟合了训练样本集中的噪声。此时需要选用更简单的模型,或者对模型进行裁剪。
训练样本太少或者缺乏代表性。此时需要增加样本数,或者增加样本的多样性。
训练样本噪声的干扰,导致模型拟合了这些噪声,这时需要剔除噪声数据或者改用对噪声不敏感的模型。
4.2 对自由度施加惩罚的模型选择标准
4.2.1 自由度修正均方差
这里的自由度是待估计的参数个数, 增加自由度惩罚的均方差定义为:
从上面公式可以看出,变量个数k的个数影响均方差,引入更多的变量不一定会使均方差变小。
4.2.2 赤池信息准则
这个是日本统计学家赤池根据极大似然估计原理提出一种模型选择准则,通常称之为AIC,计算公式为:
部分软件给出的是AIC的对数值,就是两端取ln。
4.2.3 施瓦茨信息准则
施瓦茨信息准则SIC是另一个非常重要的模型选择准则,
针对上面的三个选择原则,在k/n变化情况下,S2的惩罚最小,且随着k/n的变化增长缓慢,AIC的惩罚稍大,SIC的惩罚最大,并且随着k/n的变化增长最快。
4.3 预测残差平方和准则
预测残差平方和准则(PRESS)是一个衡量你和函数对样本数据集推广能力的准则。
其具体实现为:在全部n个观测样本集中取消第t个观测值后,对余下的n-1个样本做函数拟合,然后检验拟合结果和第t个值的差值,针对这个样本集中的n个观测值做同样的操作,则PRESS的定义为:
其中vt为第t个观测值和拟合值的差值。
5. 负荷分析的相关基本概念
这里的负荷是需量,而不是实时负荷,这点要特别注意,因此需量的定时记录是非常重要的,可以记录每个实时需量,定时记录也应该保证不记录重复的需量值,保证需量产生后再记录。
日最高负荷:每天的需量最大值。
日最低负荷:每天的需量最小值
日平均负荷:每天的所有需量平均值。
日负荷率: 日平均负荷与最大负荷的比率。
分析每天的最大负荷以及发生的时间,最小负荷以及发生时间,高于给定数值的段数以及低于给定数值的段数,对于分析负荷特点是非常有意义的。
6. 基于同类型日的短期负荷预测方法
短期负荷预测的最大特点是短期负荷有明显的周期性,第一是不同日之间的24时整体变化规律的相似性,第二是不同周,同一星期类型日的相似性;第三是工作日/休息日各自有相似性;第四是不同年度的重大节假日负荷曲线的相似性。利用这些周期性,本节介绍几个基于时序分析的正常日预测。
负荷预测的相关时间概念,预测当日即C日,是预测执行的当天,今天的特点是预测执行的时刻之前时刻的负荷已知;基准日为预测当日的前一天,为C-1日,基准日的负荷全部已知。历史日期为C-N,预测负荷的日期为C+F,其中F大于等于1.
6.1 正常日点对点倍比法
其主要思路是待预测日某时刻的负荷预测值可由与其相关的各日同一时刻的负荷值的一次平滑得到,注意合理的待预测日和相关各日都不能是重大节日,只能是普通的工作日和休息日。
首先可以取两个周期N=14,预测基准日下一日,F=1,则Pc-6和Pc-13为第一个和第二个周期的同类型日。
先求C+1日的平滑标幺值(利用近期的C-1到C-7日的数据平滑),如下:
再求C-6日的平滑标幺值,如下:
根据倍比原则,则有:
根据上式可以计算出Pc+1的t时刻值。
6.2 正常日倍比平滑法
此预测过程分为标幺曲线预测和基准值预测两个部分,待预测日某一时刻的标幺值可以由历史负荷集合的标幺值曲线逐点平滑得到而基准值预测采用上一节的倍比法。为什么采用标幺值? 因为人们天用电的行为是有规律性的,比如每日用电曲线的形状基本相同,只是由于温度等其他变量的影响值不同,而采用每天的最大/最小/平均值作为基准值,可以提取出曲线的内在规律性。
负荷的标幺值可以采用每个时刻的负荷值除以基准值,基准值可以选择此日负荷的最大值,最小值或者平均值,分别称为峰荷方式,谷荷方式,均荷方式。
待预测日的标幺值平滑预测的原则:认为第一周期的同类型日最相关,其次是第二周期的同类型日,接下来按照离待预测日的远近来排序,离待预测日越近,越相关,注意N可以取两个周期14天。
利用上式可以求出C+1的标幺值。
基准值预测采用点对点倍比法,注意这里的基准值是上面选择的三种方式之一,
利用上式可以求得基准值。
求得基准值和标幺值后,直接相乘即可得到真实值。
6.3 正常日重叠曲线法
一般日负荷曲线具备连续性,也就是每天的数据点前后延伸后曲线还是连续的。利用这个特点,将每日的负荷曲线向前后各延伸出几个点,如下图所示,向前延伸i个点,向后延伸j个点,中间有完整的T个点,前面i+T个点是已知的,而后面的j个点是未知的。首先对整体的i+T+j个点作为第二日的负荷曲线的全部点,根据倍比平滑法做标幺值预测,取得i+T+j个点的标幺值,前面i+T个点的实际值已知,据此可以计算出基准值,那么后面j个点的预测值就可以计算出来。
注意下图的第二日指的是C-1日,第三日是C日,那么对于C日,前面i+j个点是已知的(向前延伸i个点,C日前面j个点是已经预测出来的),据此计算基准值,可以预测后面T个点的值。
按照上面的进行循环预测,即可得到C+F日的预测值。
c++已知2点求中垂线_电力系统负荷预测-基本方法以及分析(2)相关推荐
- c++已知2点求中垂线_呆哥数学函数合集——函数的概念【2】
高中数学函数基本概念,学好函数还是要先懂概念再做题. 下面是呆哥给你们整理好的基本知识要点. 不懂的可以找我私聊,在线帮你解答. 多看我专栏发的每日一题和解析,会对你们有用的 . 加油哈!离高考还有一 ...
- c++已知2点求中垂线_高中化学基于元素周期表的推断题知识总结!(2)
蒹葭苍苍,白露为霜.所谓伊人,在水一方.溯洄从之,道阻且长.溯游从之,宛在水中央.蒹葭萋萋,白露未晞.所谓伊人,在水之湄.溯洄从之,道阻且跻.溯游从之,宛在水中坻.蒹葭采采,白露未已.所谓伊人,在水之 ...
- 已知网络号求子网掩码c语言,已知ip地址求子网掩码 - 已知ip地址求子网掩码_已知ip地址和子网掩码求网络号、子网号和主机号...
已知ip地址求子网掩码的方法: 方法一:利用子网数来计算: 1.首先,将子网数目从十进制数转化为二进制数: 2.接着,统计得到的二进制数的位数,设为N: 3.最后,先求出此IP地址对应的地址类别的子网 ...
- 已知若干点求圆心_【求精干货】高中数学知识点总结归纳高一学生必须掌握
高中数学高考知识点总结高一必高中数学高一的学生离高考还有两年的时间,别看这两年感觉很长,其实时间一晃就过了,高中数学学习成绩不太好的同学该加油好好学习了.别等到最后一年累死累活的搞,还不一定有效果,今 ...
- python坐标表示_已知经纬度坐标求两点间距离,用python表示
已知经纬度坐标求两点间距离,用python表示 已知地球上任意两点(lon1, lat1),( lon2, lat2)的经纬度坐标,求两点间的距离用haversine表示: 1.首先先将经纬度坐标的角 ...
- 已知俩点求俩点之间的直线,俩点间的中垂线,俩条直线的交点
参考博客 https://www.cnblogs.com/DHUtoBUAA/p/8057056.html 用的时候才发现这些基础知识还真忘了不少. 1.俩点之间的直线 直线的一般表达式是:Ax+By ...
- 高斯投影坐标计算例题_测量学高斯投影已知横坐标如何求在第几度带投影计算而得的?例如:...-y坐标的自然值怎么算-数学-莫囤料同学...
概述:本道作业题是莫囤料同学的课后练习,分享的知识点是y坐标的自然值怎么算,指导老师为甘老师,涉及到的知识点涵盖:测量学高斯投影已知横坐标如何求在第几度带投影计算而得的?例如:...-y坐标的自然值怎 ...
- 已知经纬度坐标求两点间距离,用python表示
已知经纬度坐标求两点间距离,用python表示 已知地球上任意两点(lon1, lat1),( lon2, lat2)的经纬度坐标,求两点间的距离用haversine表示: 1.首先先将经纬度坐标的角 ...
- C#已知三点求圆方程算法
如果不赶时间可以自己推算出算式或者直接参考另一个博主的文章: 三点确定一个圆的计算方法_Ivan 的专栏-CSDN博客_三点确定一个圆 程序完整部分<C#已知三点求圆方程算法.rar>已经 ...
最新文章
- Windows安装MongoDB
- SpringMVC 4.0常用注解
- esp32-cam的原理图
- 解决冲突的拉链法探测的ASL
- visual studio如何给源码文件添加header信息?(创建者,创建日期等)(License Header Manager插件)
- Ubuntu 下安装LEMP环境 实战
- 由获取子元素的方法find和children所获
- android bitmap drawable 互转
- .net core 引用jar_Python一键转Jar包,Java调用Python新姿势!
- Rest Framework:二、序列化组件
- Android系统(31)--- 如何分析native memory leak
- 拓端tecdat|R语言基于温度对城市层次聚类、kmean聚类、主成分分析和Voronoi图可视化
- 20200614每日一句
- Android技能树 — View小结
- Cognos组织架构介绍
- android dazen root,Magisk作者再度出击,成功ROOT了Android 11
- java保存图片进度条_java 进度条常用方法
- Java读取Rinex 2.11格式的观测值o文件
- 计算apk包的安装之后占用空间以及运行时占用内存
- ai智能文章生成器-ai论文写作
热门文章
- java的平方分之x的平方加xy_Java面试宝典_基础编程练习题_完全平方数
- Java拓展(数据类型及其大小)
- jedis连接池详解(Redis)
- 同一用户最新登录踢掉历史登录【原创】
- mysqlbinlog工具_MySQL binlog相关分析
- axios 超时_聊聊 Vue 中 axios 的封装
- php 小程序 活动弹幕,小程序:弹幕效果的消息提示
- linux内核--设备驱动程序(学习笔记)
- 初识Web Component
- 关于Cortex-M3处理器内核中断异常处理机制你了解多少?