基于粗糙集理论与D-S证据理论改进的多元回归负荷预测方法研究.pdf

基于粗糙集理论与D-S证据理论改进的多元回归负荷预测方法研究.pdf

ID:52482445

大小:408.11 KB

页数:6页

时间:2020-03-28

基于粗糙集理论与D-S证据理论改进的多元回归负荷预测方法研究.pdf_第1页
基于粗糙集理论与D-S证据理论改进的多元回归负荷预测方法研究.pdf_第2页
基于粗糙集理论与D-S证据理论改进的多元回归负荷预测方法研究.pdf_第3页
基于粗糙集理论与D-S证据理论改进的多元回归负荷预测方法研究.pdf_第4页
基于粗糙集理论与D-S证据理论改进的多元回归负荷预测方法研究.pdf_第5页
资源描述:

《基于粗糙集理论与D-S证据理论改进的多元回归负荷预测方法研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第44卷第6期电力系统保护与控制、,o1.44No.62016年3月16日PowerSystemProtectionandControlMar.16,2016D0I:10.7667/PSPCl50852基于粗糙集理论与D.S证据理论改进的多元回归负荷预测方法研究陈毅波,郑玲,姚建刚(1.国网湖南省电力公司通信公司,湖南长沙410007;2.湖南大学电气与信息工程学院,湖南长沙410012)摘要:当前,中长期负荷预测大多采用多元回归算法,但在建模时对影响因子及历史年的选择缺乏良好的依据,很难在考虑更多影响因子及历史年数据与降低回归模型误差之间做出平衡。这使多元回归算法在实际负荷预测中的精准度

2、很不稳定。将粗糙集理论与D.s证据理论引入多元回归算法,利用粗糙集理论对影响因子进行重要性排序。分别以历史年和影响因子为对象进行聚类,以此建立多个多元回归模型。利用D.s证据理论对多个组合预测的权重分配方案进行权重融合,得出最终基于多元回归分析法的组合预测模型。经算例验证,该模型能较好地平衡影响因子和历史年的选取,能有效提高多元回归算法在中长期负荷预测中的准确性,适用性强。关键词:中长期负荷预测;多元回归;粗糙集方法;D.S证据理论ImprovedmultipleregressionloadforecastingmethodbasedonroughsettheoryandD—Seviden

3、cetheoryCHENYibo,ZHENGLing2YAOJiangang,(1.StateGridInformation&CommunicationCompanyofHunanProvince,Changsha410007,China;2.CollegeofElectricalandInformationEngineering,HunanUniversity,Changsha410012,China)Abstract:Nowadays,multivariateregressionalgorithmismostlyadoptedinthemid-longtermloadforecasti

4、ng,butitlacksgoodtheoreticalfoundationfortheselectingoftheimpactfactorsaridthepastyearswhenmodeling.Itisdificulttomakeabalancebetweenconsideringmoreafectingfactors,historicaldataandreducingtheregressionmodelerror,whichleadstotheinaccuracyofthemultivariateregressionalgorithminactualloadforecasting.

5、RoughsettheoryandD—Sevidencetheoryareappliedtothemultivariateregressionalgorithm.First,roughsettheoryisusedtosorttheimportanceofinfluencingfactors.andthentheimpactfactorsandthehistoricalyearsareclusteredrespectively,SOmatseveralmultipleregressionmodelscanbebuilt.Additionally,theweightsofdiferentmo

6、delsarefusedbyusingD-Sevidencetheory.Inthisway,thefinalcombinationforecastingmodelbasedonthemultivariateregressionanalysismethodCanbebuilt.Accordingtothevalidexample,itCanbeconcludedthatthefinalmodelcanpreferablybalancetheselectionofimpactfactorsandpastyearswhileefectivelyimprovetheaccuracyofthemu

7、ltipleregressionalgorithminthemid-longtermloadforecasting,whichprovidesstrongerapplicabilityatthesametime.Keywords:mid·longtermloadforecasting;multivariateregressionalgorithm;roughsettheory;D-·Sevidencetheory外相关研

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。