穩(wěn)健回歸方法在電力消費預(yù)測中的應(yīng)用.pdf

《穩(wěn)健回歸方法在電力消費預(yù)測中的應(yīng)用.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、第25卷第5期電力系統(tǒng)及其自動化學(xué)報Vo1．25No．52013年lO月ProceedingsoftheCSU-EPSA0et．2013穩(wěn)健回歸方法在電力消費預(yù)測中的應(yīng)用劉曉娟z，方建安(1．東華大學(xué)信息科學(xué)與技術(shù)學(xué)院，上海200051；2．上海電力學(xué)院數(shù)理學(xué)院，上海201300)摘要：電力系統(tǒng)電力消費量受諸多因素的影響，為了提高其預(yù)測的精度，得到更好的預(yù)測結(jié)果，首先分析了異常數(shù)據(jù)產(chǎn)生的原因以及其對預(yù)測結(jié)果的影響，提出了基于M一估計的穩(wěn)健回歸預(yù)測算法。在該預(yù)測算法中首先選擇恰當(dāng)?shù)哪繕?biāo)函數(shù)和權(quán)重函數(shù)，接著利用泰勒展開對參數(shù)進行迭代估計，得到穩(wěn)健的預(yù)測值，最后進行算

2、例分析。算例數(shù)值表明該算法同傳統(tǒng)線性回歸方法相比，具有較好的抗干擾性，預(yù)測結(jié)果能更好地吻合實際數(shù)據(jù)和未來的趨勢。關(guān)鍵詞：最小二乘法；M一估計；穩(wěn)健回歸；預(yù)測；電力消費中圖分類號：TM715；O212文獻標(biāo)志碼：A文章編號：1003—8930(2013)05—0022—04ApplicationofRobustRegressionMethodinElectricPowerConsumptionForecastingLIUXiao-juan，F(xiàn)ANGJian-an(1．CollegeofInformationScienceandTechnology，Dongh1．1

3、aUniversity，Shanghai200051，China；2．SchoolofMathematicsandphysics，ShanghmUniversityofElectricPower，Shanghai201300，China)Abstract：Electricpowerconsumptionisinfluencedbymanyfactors．Toimproveitsforecastingprecisionandobtainbetterresults，thecauseandeffectofanomalousdataaYeanalyzed，andarob

4、ustregressionalgorithmbasedonM-esti-marionisgiven．Inthealgorithm，properobjectivefunctionandweightfunctionsarechosen，andtheniterativeestima-tionusingTaylorexpansionismadetoobtainrobustforecastingresults．Intheend，experimentresultsshowthattheproposedmethodperformsbetterbothinrobustnessa

5、ndinaccuracythantheconventionallinearregressionmethod．Keywords：optimalleastsquare；M-estimation；robustregression；forecasting；electricpowerconsumption隨著科學(xué)技術(shù)和經(jīng)濟的發(fā)展，電力能源在日重要的影響。但大量的測量數(shù)據(jù)中經(jīng)常出現(xiàn)一些常生活和生產(chǎn)中起著越來越重要的作用。電力消異常數(shù)據(jù)(Hampel(1977)指出實際數(shù)據(jù)中含有費量與工農(nóng)業(yè)生產(chǎn)以及居民的消費水平有著密切10％左右的異常值是正常的)，很多方法對異常數(shù)的聯(lián)系，隨

6、著我國工農(nóng)業(yè)生產(chǎn)的快速發(fā)展和居民值非常敏感，少量的異常值可能會對預(yù)測規(guī)律和人口的不斷增長，如何精確地預(yù)測電力消費量，以預(yù)測結(jié)果產(chǎn)生完全錯誤的影響【3I41。近年來，大量的期能夠及時調(diào)整電力系統(tǒng)能源的分布，對進行有模型和方法被應(yīng)用于電力消費的預(yù)~lJ[5-9]。但是目效地計劃調(diào)度和優(yōu)化電力設(shè)施的功能等具有十分前的一些模型和方法，常常假設(shè)歷史的數(shù)據(jù)資料重要的現(xiàn)實意義口·21。完全正確，忽略了對異常數(shù)據(jù)的預(yù)處理。電力消費量是受諸多因素影響的既有規(guī)律性本文提出了一種基于穩(wěn)健統(tǒng)計的預(yù)測算法，又有隨機性的時間序列，電力消費量的預(yù)鋇4是依該算法可降低異常數(shù)據(jù)對預(yù)測結(jié)果的影響，

7、并且賴于大量的歷史數(shù)據(jù)和相關(guān)影響因素資料的被動具有較好的穩(wěn)定性。型預(yù)測。翔實可靠的資料數(shù)據(jù)對預(yù)測精度有至關(guān)收稿日期：2012—07一O3；修回日期：2012—11-30基金項目：國家自然科學(xué)基金項目(60874113)第5期劉曉娟等：穩(wěn)健回歸方法在電力消費預(yù)測中的應(yīng)用·23·異常值的作用顯著增加，導(dǎo)致估計的精度較差。穩(wěn)1基于最小二乘法的傳統(tǒng)的回歸分析健回歸方法的主要目的在于改進最小二乘估計受1．1異常值的產(chǎn)生以及對預(yù)測結(jié)果的影響異常值影響太大的缺點，其基本思想是極小化殘異常值是指在一個預(yù)測樣本中，其殘差嚴(yán)重差函數(shù)p(e)，得到各個回歸系數(shù)，選取的殘差函數(shù)偏離其他

8、樣本殘差的數(shù)據(jù)。異常值的