負(fù)荷與氣象因素的關(guān)系是非線性且模糊的,針對傳統(tǒng)的線性相關(guān)系數(shù)不能準(zhǔn)確刻畫負(fù)荷與其氣象成因的相依結(jié)構(gòu)。在分析負(fù)荷對氣象因素響應(yīng)的基礎(chǔ)上,提出了結(jié)合Copula函數(shù)與最大熵原理（POME）的負(fù)荷與氣象因素相關(guān)性度量方法,該方法基于POME建立了負(fù)荷與氣象因素的邊緣分布,利用Copula函數(shù)擬合了負(fù)荷與氣象多變量系統(tǒng)中的非線性相依結(jié)構(gòu),并推導(dǎo)了度量相關(guān)性的Kendall秩相關(guān)系數(shù)、Spearman秩相關(guān)系數(shù)和Copula熵。在實際的負(fù)荷和氣象系統(tǒng)中的應(yīng)用表明,Copula-POME方法在分析負(fù)荷與其氣象成因關(guān)系時無先驗分布假定,具有靈活的函數(shù)形式,能準(zhǔn)確表達多變量系統(tǒng)的相依結(jié)構(gòu);秩相關(guān)系數(shù)和Copula熵彌補了線性相關(guān)系數(shù)在度量尾部相關(guān)中的不足,能準(zhǔn)確度量負(fù)荷與氣象因素的相關(guān)性。 

【文章來源】：水電能源科學(xué). 2020,38(11)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

氣象因素與電力負(fù)荷函數(shù)映射思路

Copula擬合流程圖

利用POME建立負(fù)荷與各氣象因素的理論分布，并點繪負(fù)荷—溫度、負(fù)荷—濕度、負(fù)荷—降雨、負(fù)荷—風(fēng)速的經(jīng)驗分布見圖3。由圖3(a）可知，重慶地區(qū)統(tǒng)調(diào)負(fù)荷服從參數(shù)x0=901.53、χ=139.51的Lorentz分布，日平均溫度服從參數(shù)a=22.03、b=2.62的Weibull分布，二維聯(lián)合分布表明二者具有近二次函數(shù)關(guān)系，溫度約20℃對應(yīng)負(fù)荷的極小值，當(dāng)溫度升高/降低，降溫/采暖負(fù)荷增加。由圖3(b）可知，相對濕度服從參數(shù)a=78.62、b=7.45的Weibull分布，與負(fù)荷的二維聯(lián)合分布表現(xiàn)為斜率為-1的直線。由圖3(c）、（d）可知，降雨服從參數(shù)λ=0.14的指數(shù)分布，極大風(fēng)速服從參數(shù)μ=1.59、σ=0.38的對數(shù)正態(tài)分布，二者與負(fù)荷的聯(lián)合分布均較離散，聯(lián)合分布關(guān)系不明顯。根據(jù)建立的負(fù)荷與氣象因素邊緣分布及二維聯(lián)合經(jīng)驗分布，利用Copula擬合負(fù)荷與氣象因素的相依結(jié)構(gòu)，并計算負(fù)荷與各氣象因素的秩相關(guān)系數(shù)和Copula熵，擬合和計算結(jié)果見表1。為驗證計算結(jié)果的合理性，同時也計算Pearson相關(guān)系數(shù)r和刻畫多變量享有共同信息量的線性總相關(guān)系數(shù)I[9]。

【參考文獻】：
期刊論文
[1]基于氣象因子及機器學(xué)習(xí)回歸算法的夏季空調(diào)負(fù)荷預(yù)測[J]. 田心如,蔡凝昊,張志薇.  氣象科學(xué). 2019(04)
[2]基于溫度近因效應(yīng)的多元線性回歸電力負(fù)荷預(yù)測[J]. 王寶財.  水電能源科學(xué). 2018(10)
[3]基于綜合氣象指數(shù)和日期類型的電力系統(tǒng)負(fù)荷預(yù)測[J]. 王惠中,劉軻,周佳.  電網(wǎng)與清潔能源. 2015(09)
[4]天津電力負(fù)荷特性及其與氣象因子的關(guān)系[J]. 熊明明,李明財,任雨,徐姝,楊艷娟.  氣象科技. 2013(03)
[5]多變量水文聯(lián)合分布方法及Copula函數(shù)的應(yīng)用研究[J]. 冉啟香,張翔.  水電能源科學(xué). 2010(09)

碩士論文
[1]基于最大熵原理的確定概率分布的方法研究[D]. 李憲東.華北電力大學(xué)（北京） 2008



本文編號：3446742