Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Przegląd Elektrotechniczny

1 2013

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: dynamic weight distribution

Sortuj według:

Ogranicz wyniki do:

Forecasting Modeling and Analysis of Power Engineering in China Based on Semi-Parametric Regression Model

Wang X., Yu B., Chen Z., Hou L.

Przegląd Elektrotechniczny

2013

R. 89, nr 3b

161--169

Electricity consumption forecasting is considered one of the most important tasks in energy planning, and it has great significance on management decision-making for power generation organizations and power policy adjustments for governments. In this paper, we present a new semi-parametric regression model for consumption forecasting in electrical power systems. We have used the distribution function of student residuals to replace the nonparametric component of the traditional semi-parametric model, thus eliminating the effects of the residual disturbance term according to the change trend of the consumption data themselves. Then, we use differential element theory set information aggregation intervals to create a dynamic weight distribution and improve the forecasting accuracy of the prediction models. Compared with general linear models, our models make statistical inferences and can automatically regulate the boundary effect, which gives the forecast result a higher accuracy. To present a case study, we use the historical data of electricity consumption and related influential factors in China from 1981 to 2010. The simulation results show that both in the model building stage and in the testing stage for this particular case, the SPRM prediction approach proposed in this paper outperforms the other two contrast models, the MAPE of SPRM is 3.21%, much lower than the other two values 3.84% and 13.07%.

W artykule opisano model regresji semiparametrycznej do przewidywania zużycia energii elektrycznej w systemach elektroenergetycznych. W celu eliminacji wywołujących zakłócenia, nieparametrycznych składowych w tradycyjnym modelu semiparametrycznym, zastosowano rozkład studenta. Wykorzystano także metodę różnicową w ustalaniu interwałów zbierania danych, analizowanych przy przewidywaniu. Działanie i skuteczność modelu zweryfikowano z wykorzystaniem prawdziwych danych z lat 1981 do 2010.