当前位置:aoa体育官网app > 热点洞察 >

电力系统负aoa体育官网app荷预测目前有什么新进展未来有什么新方向可

2022-08-22 热点洞察

aoa体育官网app泻药,根据我们对温度的预测,我们可以预测电力消耗。绘制电力消耗序列图:


原文链接:原文出处:

aoa体育官网appplot(elect,type="l")

电力系统负aoa体育官网app荷预测目前有什么新进展未来有什么新方向可以推进

我们可以尝试一个非常简单的模型,其中日期Y_t的消耗量是时间,温度(以多项式形式表示)以及工业生产指数IPI_t的函数。

aoa体育官网app

lm(Load~1+Time+as.factor(Week)+poly(Temp,3)+Temp+IPI,data=elect )

温度影响的多项式函数来自下图(去除线性趋势后的消耗序列)

电力系统负aoa体育官网app荷预测目前有什么新进展未来有什么新方向可以推进

aoa体育官网app我们还可以假设自回归形式未来电力系统新能源,其中Y_ {t} 是Y_ {t-1} 的函数

lm(Load~1+Load1+Time+as.factor(Week)+

poly(Temp,3)+Temp1+IPI,data=elect

aoa体育官网app然后,我们可以尝试进行预测。第二个模型的问题是自回归部分。要预测Y_ {t + h} ,我们必须使用在t + h-1,Y ^ t + h − 1中所作的预测。

IPI = elect[futur,"IPI"])

for(t in 1:110){

base_prevision[t+1,"Load1"] = p}

然后,我们可以预测 Y ^ t与观察值 Yt进行比较。

电力系统负aoa体育官网app荷预测目前有什么新进展未来有什么新方向可以推进

电力系统负aoa体育官网app荷预测目前有什么新进展未来有什么新方向可以推进

我们在夏季估计良好(我们预测了8月上半月的高峰),但我们低估了冬季的消耗量。

最后,我们可以忽略解释变量,而直接尝试建立时间序列模型。

plot(elect[passe,"Load"],type="l")

电力系统负aoa体育官网app荷预测目前有什么新进展未来有什么新方向可以推进

令人担忧的是该序列的异方差,其最小斜率低于最大斜率。

n=length(passe)="l")

m=aggregate(elect

by=list(as.f

points(sort((1

xM=((1:n)[vM])

regm=lm(m$x~xm,col="blue")

regM=lm(M$x~xM,col="blue")

abline(regm,lty=2)

abline(regM,lty=2)

电力系统负aoa体育官网app荷预测目前有什么新进展未来有什么新方向可以推进

经典(简单)的解决方案是取对数

plot(elect

plot(z,type="l")

B = data.frame(z=z,t=1:length

电力系统负aoa体育官网app荷预测目前有什么新进展未来有什么新方向可以推进

电力系统负aoa体育官网app荷预测目前有什么新进展未来有什么新方向可以推进

然后,我们必须消除线性趋势未来电力系统新能源,以平稳序列

z = residuals(lm(z~t,data=B))

arima(Z,order = c(4,0,0),

seasonal = list(order = c(1

第一个模型是稳定的,没有单位根。我们可以尝试引入季节性单位根

arima(Z,order = c(0,0,0),

seasonal = list(order = c(0,1,

最后,最后一个要简单一些

arima(Z,order = c(1,0,0),

seasonal = list(order = c(2,0,0)))

然后,我们将所有预测存储在数据库中

然后将线性趋势添加到残差的预测中

reg = lm(z~t,data=B)

在这里,我们在 logY上建立了线性模型,即 logY〜N(μ,σ2),因此 E [Y] = exp(μ+σ2/ 2)

sqrt(predict(modelz1,n.ahead = 111)$se^2+sigma^2),

我们在这里假设两个模型(线性趋势和自回归模型的线性)的预测估计量是独立的,因此我们可以对方差项求和。另外,Y的预测是

exp(DOz$z1+1/2*DONNseu$seu1^2),

我们比较三个模型的预测(与观察值)

电力系统负aoa体育官网app荷预测目前有什么新进展未来有什么新方向可以推进

电力系统负aoa体育官网app荷预测目前有什么新进展未来有什么新方向可以推进

我们与之前的预测进行比较,

lines(futur,base_previ

col="orange")

电力系统负aoa体育官网app荷预测目前有什么新进展未来有什么新方向可以推进

夏季预测会有所偏差,而冬季预测我们有所改善。

电力系统负aoa体育官网app荷预测目前有什么新进展未来有什么新方向可以推进

最受欢迎的见解

1.用SPSS估计HLM层次线性模型模型

2.R语言线性判别分析(LDA)未来电力系统新能源,二次判别分析(QDA)和正则判别分析(RDA)

3.基于R语言的lmer混合线性回归模型

4.R语言Gibbs抽样的贝叶斯简单线性回归仿真分析

5.在r语言中使用GAM(广义相加模型)进行电力负荷时间序列分析

6.使用SAS,Stata,HLM,R,SPSS和Mplus的分层线性模型HLM

7.R语言中的岭回归、套索回归、主成分回归:线性模型选择和正则化

8.R语言用线性回归模型预测空气质量臭氧数据

9.R语言分层线性模型案例

8.12更新:原文链接:

某制药公司每年要花费大量的资金在电费上,由于电力公司的业务改革,该药企可以在一年或月开始时向电力公司预购一定数量的电力,如果实际消耗大于该值,则每多消耗一度电要付比以前更多的电费,如果实际上没有消耗这么多,也不会退还多余的电费,因此该公司打算预测未来的电力消耗以节省资金消耗。

电力系统负aoa体育官网app荷预测目前有什么新进展未来有什么新方向可以推进

解决方案任务/目标

根据制药公司要求,运用多种数据源分析实现精准电力消耗预测。

数据源准备

为了预测电力的消耗,将电的主要使用分为生产车间的消耗,空调的电力消耗和其它消耗,其它消耗视为一个常量,在最后添加上去。

数据处理

在实际收到的数据中,有很多日期的某些电表的耗电量和某些车间的产量并没有被记录下来,因此使用拉格朗日插值法来补足中间的缺口。

特征转换

把不能处理的特征做一些转换,处理成算法容易处理的干净特征举例如下:

时间属性。就时间属性本身来说,对模型来说不具有任何意义,需要把日期转变成到天,年、月、日、周伪变量。

电量属性。由于收集的是单一电表的数据指标,所以合并相同类型的数据,作为车间和空调的总耗电来参与模型建设。

产量属性。由于车间生产了数种药品,且不同药品的每箱重量不同。有的工序的耗电量只和重量有关,有的工序的耗电量之和箱数有关,因此我们两种计量方式都要用上。

构造划分训练集和测试集

考虑到最终模型会预测将来的某时间段的耗电量,为了更真实的测试模型效果,以时间来切分训练集和测试集。具体做法如下:用软件随机划分80%的数据作为训练集,剩下的20%作为测试集。

建模

一元线性回归,在考虑一些工序的耗电时,容易发现机器的耗电量和产量是呈线性关系的,此时就使用一元线性回归模型来拟合。(y=kx+b)

一元非线性回归,在工厂里为了维持生产车间的恒温,使用气暖和空调来进行调温。气暖消耗的是蒸汽,只有空调才会耗电。当室内温度高于一定值时,空调才会开启;室内的温度越高,空调的功率越大,因此空调耗电和气温是一元非线性关系。(y=f(x))

多元线性回归,有的生产工序不仅仅和产品的重量有关,还和产品的箱数有关,此时就使用二元线性模型来拟合。(z=k1x+k2y+b)

模型优化

1.上线之前的优化:特征提取,样本抽样,参数调参。

电力系统负aoa体育官网app荷预测目前有什么新进展未来有什么新方向可以推进

2.上线之后的迭代,根据实际的A / B测试和业务人员的建议改进模型

项目结果

在此案例中,分别用三种模型来计算耗电量的三个分量。

用一元非线性回归,计算空调耗电量未来电力系统新能源未来电力系统新能源,其可视化图形如下,其中这里的气温是日最高气温(关系式省略):

电力系统负aoa体育官网app荷预测目前有什么新进展未来有什么新方向可以推进

用一元线性回归,计算出部分机器的耗电量和

产量的关系图形如下(关系式省略):

电力系统负aoa体育官网app荷预测目前有什么新进展未来有什么新方向可以推进

电力系统负aoa体育官网app荷预测目前有什么新进展未来有什么新方向可以推进

电力系统负aoa体育官网app荷预测目前有什么新进展未来有什么新方向可以推进

这是三种机器的耗电量和产量的关系图,可以看到当产量为0时,机器待机时也有一定的耗电量。

用二元线性回归模型,计算出最后一种机器和产品重量和箱数的关系:

电力系统负aoa体育官网app荷预测目前有什么新进展未来有什么新方向可以推进

电力系统负aoa体育官网app荷预测目前有什么新进展未来有什么新方向可以推进

上面是截面图,下面是散点图

可以看出,几种耗电量的模型基本都可以较完美的拟合实际情况,置信度都有95%以上。这个模型主要有两个用途,一是预测,就可以利用模型和计划产量等因素来预测未来的耗电量,从而实现精确购电。二是异常检测,如果有一天预测值和实际耗电量有较大偏差的时候,说明机器很可能出现了故障,要及时检修。

预测模型仅仅是算法计算下的结果,在实际生活中,这样的预测值仅仅只能作为参考,在实际生活中还有更多的因素影响结果,需要从多方面来考量。

电力系统负aoa体育官网app荷预测目前有什么新进展未来有什么新方向可以推进

最受欢迎的见解

1.在python中使用lstm和pytorch进行时间序列预测

aoa体育官网app2.python中利用长短期记忆模型lstm进行时间序列预测分析

标签: