發(fā)布時(shí)間：2018-01-11 21:24

  本文關(guān)鍵詞：基于粗糙集理論與D-S證據(jù)理論改進(jìn)的多元回歸負(fù)荷預(yù)測(cè)方法研究　出處：《電力系統(tǒng)保護(hù)與控制》2016年06期 　論文類型：期刊論文

  更多相關(guān)文章： 中長期負(fù)荷預(yù)測(cè) 多元回歸 粗糙集方法 D-S證據(jù)理論

【摘要】：當(dāng)前,中長期負(fù)荷預(yù)測(cè)大多采用多元回歸算法,但在建模時(shí)對(duì)影響因子及歷史年的選擇缺乏良好的依據(jù),很難在考慮更多影響因子及歷史年數(shù)據(jù)與降低回歸模型誤差之間做出平衡。這使多元回歸算法在實(shí)際負(fù)荷預(yù)測(cè)中的精準(zhǔn)度很不穩(wěn)定。將粗糙集理論與D-S證據(jù)理論引入多元回歸算法,利用粗糙集理論對(duì)影響因子進(jìn)行重要性排序。分別以歷史年和影響因子為對(duì)象進(jìn)行聚類,以此建立多個(gè)多元回歸模型。利用D-S證據(jù)理論對(duì)多個(gè)組合預(yù)測(cè)的權(quán)重分配方案進(jìn)行權(quán)重融合,得出最終基于多元回歸分析法的組合預(yù)測(cè)模型。經(jīng)算例驗(yàn)證,該模型能較好地平衡影響因子和歷史年的選取,能有效提高多元回歸算法在中長期負(fù)荷預(yù)測(cè)中的準(zhǔn)確性,適用性強(qiáng)。
[Abstract]:At present, the medium and long term load forecasting mostly adopts multivariate regression algorithm, but in modeling, there is no good basis for the choice of influence factors and historical years. It is difficult to make a balance between considering more influence factors and historical data and reducing the error of regression model. This makes the accuracy of multivariate regression algorithm very unstable in actual load forecasting. The rough set theory and D-S evidence are combined. Multivariate regression algorithm is introduced in this paper. The importance of the influence factors is sorted by rough set theory. The historical years and the influence factors are taken as the objects for clustering. Using D-S evidence theory, the weight distribution scheme of multiple combination prediction is fused, and the combined prediction model based on multiple regression analysis is obtained. The results are verified by an example. The model can balance the factors of influence and the selection of historical years, and improve the accuracy of multivariate regression algorithm in medium and long term load forecasting.
【作者單位】： 國網(wǎng)湖南省電力公司通信公司;湖南大學(xué)電氣與信息工程學(xué)院;
【分類號(hào)】：TM715
【正文快照】： 0引言電力系統(tǒng)中長期負(fù)荷預(yù)測(cè)中負(fù)荷受經(jīng)濟(jì)、社會(huì)和氣象等不確定因素影響較大,如何從多因素中提取關(guān)鍵影響因子和減小多因素綜合所帶來的不確定性并提高預(yù)測(cè)結(jié)果的精確性成為亟待解決的問題。目前常用的中長期負(fù)荷預(yù)測(cè)算法中,偏最小二乘回歸預(yù)測(cè)模型對(duì)影響因子的利用比較有效,

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 曾元鑒;;D-S證據(jù)理論及其改進(jìn)算法研究[J];艦船電子工程;2010年10期

2 夏祖勛，劉同明，解洪成;關(guān)于證據(jù)理論中辨識(shí)框不同類型下的信息綜合[J];華東船舶工業(yè)學(xué)院學(xué)報(bào);1994年02期

3 倪明，單淵達(dá);證據(jù)理論及其應(yīng)用[J];電力系統(tǒng)自動(dòng)化;1996年03期

4 齊占偉;辜承林;;基于改進(jìn)的D-S證據(jù)理論在設(shè)備故障診斷中的應(yīng)用[J];海軍工程大學(xué)學(xué)報(bào);2008年01期

5 董彥佼;韓元杰;劉潔莉;;D-S證據(jù)理論在多傳感器目標(biāo)識(shí)別中的改進(jìn)[J];彈箭與制導(dǎo)學(xué)報(bào);2009年04期

6 鄭德玲，湯新蓓;證據(jù)理論支持下的多專家求解理論框架[J];北京科技大學(xué)學(xué)報(bào);1998年05期

7 張建華,陳新,王紅軍;基于證據(jù)理論的最佳聯(lián)盟評(píng)價(jià)方法研究[J];機(jī)械設(shè)計(jì);2004年07期

8 周凌柯,劉瑞蘭;對(duì)證據(jù)理論檢測(cè)顯著誤差的研究[J];南京理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年S1期

9 陳煒軍;景占榮;袁芳菲;朱安福;;D-S證據(jù)理論的不足及其數(shù)學(xué)修正[J];中北大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年02期

10 宋建勛;張進(jìn);吳欽章;;基于D-S證據(jù)理論的多特征數(shù)據(jù)融合算法[J];火力與指揮控制;2010年07期

相關(guān)會(huì)議論文 前10條

1 馬永一;沈懷榮;彭穎;;對(duì)D-S證據(jù)理論幾種改進(jìn)方法的分析與討論[A];'2010系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2010年

2 鄭德玲;湯新蓓;方巍;王俊然;;基于D-S證據(jù)理論的多專家意見綜合方法[A];1996年中國控制會(huì)議論文集[C];1996年

3 孫懷江;楊靜宇;;證據(jù)理論的改進(jìn)及其應(yīng)用[A];西部大開發(fā) 科教先行與可持續(xù)發(fā)展——中國科協(xié)2000年學(xué)術(shù)年會(huì)文集[C];2000年

4 潘巍;王陽生;;一種基于D-S證據(jù)理論的情感辨識(shí)算法[A];第一屆中國情感計(jì)算及智能交互學(xué)術(shù)會(huì)議論文集[C];2003年

5 周凌柯;劉瑞蘭;;對(duì)證據(jù)理論檢測(cè)顯著誤差的研究[A];2005全國自動(dòng)化新技術(shù)學(xué)術(shù)交流會(huì)論文集（三）[C];2005年

6 孔鵬程;周健;;基于D-S證據(jù)理論的改進(jìn)算法的研究[A];2011中國儀器儀表與測(cè)控技術(shù)大會(huì)論文集[C];2011年

7 趙韓;方艮海;王勇;;證據(jù)理論在機(jī)構(gòu)評(píng)價(jià)與選型中的應(yīng)用[A];第十四屆全國機(jī)構(gòu)學(xué)學(xué)術(shù)研討會(huì)暨第二屆海峽兩岸機(jī)構(gòu)學(xué)學(xué)術(shù)交流會(huì)論文集[C];2004年

8 謝楠;李靖;李建爽;黃絢燁;;基于證據(jù)理論的施工中人為過失改錯(cuò)效果的評(píng)估方法[A];第22屆全國結(jié)構(gòu)工程學(xué)術(shù)會(huì)議論文集第Ⅲ冊(cè)[C];2013年

9 馬小平;汪永東;樊陽;;模糊證據(jù)理論的深入研究[A];第二十六屆中國控制會(huì)議論文集[C];2007年

10 朱靖;王晨熙;鄢茂林;鄭義成;;D-S證據(jù)理論在多傳感器身份融合中的改進(jìn)[A];全國第一屆信號(hào)處理學(xué)術(shù)會(huì)議暨中國高科技產(chǎn)業(yè)化研究會(huì)信號(hào)處理分會(huì)籌備工作委員會(huì)第三次工作會(huì)議�？痆C];2007年

相關(guān)博士學(xué)位論文 前7條

1 李海生;基于證據(jù)理論的分類方法研究[D];華南理工大學(xué);2013年

2 肖建于;證據(jù)理論研究及其在礦井突水預(yù)測(cè)中的應(yīng)用[D];中國礦業(yè)大學(xué);2012年

3 栗崢;后現(xiàn)代證據(jù)理論研究[D];中國政法大學(xué);2008年

4 梁偉光;基于證據(jù)理論的在軌航天器故障診斷方法研究[D];中國科學(xué)技術(shù)大學(xué);2011年

5 繆燕子;多傳感器信息融合理論及在礦井瓦斯突出預(yù)警系統(tǒng)中的應(yīng)用研究[D];中國礦業(yè)大學(xué);2009年

6 鎖斌;基于證據(jù)理論的不確定性量化方法及其在可靠性工程中的應(yīng)用研究[D];中國工程物理研究院;2012年

7 肖明珠;基于證據(jù)理論的不確定性處理研究及其在測(cè)試中的應(yīng)用[D];電子科技大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 賀曉;基于改進(jìn)D-S證據(jù)理論的高速列車走行部故障診斷研究[D];西南交通大學(xué);2015年

2 王睿虹;基于廣義證據(jù)理論的多模式智能推理與融合研究[D];上海交通大學(xué);2015年

3 宋姝婷;基于Rough集、T-范數(shù)和證據(jù)理論的屬性約簡研究[D];江西師范大學(xué);2015年

4 何俊;基于證據(jù)理論的在線消費(fèi)者備選商品評(píng)價(jià)研究[D];電子科技大學(xué);2015年

5 劉曉光;基于D-S證據(jù)理論的推理系統(tǒng)研究[D];合肥工業(yè)大學(xué);2010年

6 侯俊;證據(jù)理論幾個(gè)關(guān)鍵問題的研究[D];西北工業(yè)大學(xué);2003年

7 段林珊;基于證據(jù)理論的多源證據(jù)分析技術(shù)研究[D];山東師范大學(xué);2014年

8 周哲;證據(jù)理論中的證據(jù)生成和融合方法研究[D];杭州電子科技大學(xué);2012年

9 俞捷;面向動(dòng)態(tài)多Agent系統(tǒng)的兩維D-S證據(jù)理論研究與應(yīng)用[D];上海交通大學(xué);2007年

10 張姝丹;基于證據(jù)理論和凸函數(shù)證據(jù)理論的推理工具的研究與實(shí)現(xiàn)[D];吉林大學(xué);2004年

，

本文編號(hào)：1411256