偏最小二乘回归分析在中长期负荷预测中的研究
|
摘要
中长期负荷预测是制定电力发展规划的基础,也是规划的重要组成部分。提高中长期负荷预测水平,有利于计划用电管理,有利于制定合理的电源建设规划,有利于提高电力系统的经济效益和社会效益。
针对中长期负荷预测,本文介绍了偏最小二乘回归分析方法(PLS)的原理并详细推导了该算法的简化建模步骤。该方法能在最大限度地保留原有数据信息的前提下,将数据信息集中在几个互不相关的主成分上,因而能有效解决建立负荷预测模型时,样本个数较少及自变量存在严重多重相关性时,难以有效地通过多元回归分析建立预测模型的问题,并以衡阳地区经济发展指标和全社会用电量为基础数据,通过算例将偏最小二乘回归分析方法与最小二乘法和逐步回归进行了详细的比较说明。
为解决偏最小二乘法中成分解释能力不均衡的情况,给出了正交信号修正法(OSC)的基本思想并详细推导了该算法的实现步骤,并将一种改进后的正交信号修正法与偏最小二乘法相结合,先对原始数据通过OSC消除正交分量,再利用PLS建立中长期负荷预测模型。该方法能有效地去除自变量系统中与因变量无关的正交数据信息,增强自变量因变量之间的相关性,在有限的成分中最大限度的提高成分解释能力。并通过算例将PLS与OSC-PLS进行比较分析,结果表明,运用OSC-PLS进行中长期负荷预测,尽管预测模型提取的成分个数变少了,但模型成分的解释性却大幅度增强,预测精度明显提高,具有较强的实用性。
The medium and long-term load forecasting is the foundation on laying down the electric power system developing scheme, also the very important part of electric power system programming. Its improvement benefits not only the electric power plan administration, but also the suitable frame of electrical sources construction programming and the advance of economic and social profits in electric power system.
This paper introduces the fundamental tenets and detailed calculating steps of partial least square method(PLS). The method can highly include the information of original data and concentrate it into some irrelevant primary component, so PLS can effective solve less samples problem and multiple correlation problems when making model of load forecasting. Comparing with least square method and step regression method, the results of calculation example show that in medium and long term load forecasting, the PLS, proposed in this paper, has high modeling speed and more forecasting accuracy.
In order to eliminate unbalance among the explanation analysis of model’s components, the paper gives the fundamental tenets and detailed calculating steps of orthogonal signal correction(OSC) and combines partial least square method(PLS) with a improved OSC. The OSC-PLS method which eliminates orthogonal component before makes model of load forecasting can remove the useless information between the independent variable(X) and dependent variable(Y) effectively; strengthen the correlation of X and Y; improve the explanation of model’s component highly. Comparing with PLS method, the results of calculation example show that in medium and long term load forecasting, the model of OSC-PLS, proposed in this paper, with better explanation and forecasting accuracy, is more useful.
针对中长期负荷预测,本文介绍了偏最小二乘回归分析方法(PLS)的原理并详细推导了该算法的简化建模步骤。该方法能在最大限度地保留原有数据信息的前提下,将数据信息集中在几个互不相关的主成分上,因而能有效解决建立负荷预测模型时,样本个数较少及自变量存在严重多重相关性时,难以有效地通过多元回归分析建立预测模型的问题,并以衡阳地区经济发展指标和全社会用电量为基础数据,通过算例将偏最小二乘回归分析方法与最小二乘法和逐步回归进行了详细的比较说明。
为解决偏最小二乘法中成分解释能力不均衡的情况,给出了正交信号修正法(OSC)的基本思想并详细推导了该算法的实现步骤,并将一种改进后的正交信号修正法与偏最小二乘法相结合,先对原始数据通过OSC消除正交分量,再利用PLS建立中长期负荷预测模型。该方法能有效地去除自变量系统中与因变量无关的正交数据信息,增强自变量因变量之间的相关性,在有限的成分中最大限度的提高成分解释能力。并通过算例将PLS与OSC-PLS进行比较分析,结果表明,运用OSC-PLS进行中长期负荷预测,尽管预测模型提取的成分个数变少了,但模型成分的解释性却大幅度增强,预测精度明显提高,具有较强的实用性。
The medium and long-term load forecasting is the foundation on laying down the electric power system developing scheme, also the very important part of electric power system programming. Its improvement benefits not only the electric power plan administration, but also the suitable frame of electrical sources construction programming and the advance of economic and social profits in electric power system.
This paper introduces the fundamental tenets and detailed calculating steps of partial least square method(PLS). The method can highly include the information of original data and concentrate it into some irrelevant primary component, so PLS can effective solve less samples problem and multiple correlation problems when making model of load forecasting. Comparing with least square method and step regression method, the results of calculation example show that in medium and long term load forecasting, the PLS, proposed in this paper, has high modeling speed and more forecasting accuracy.
In order to eliminate unbalance among the explanation analysis of model’s components, the paper gives the fundamental tenets and detailed calculating steps of orthogonal signal correction(OSC) and combines partial least square method(PLS) with a improved OSC. The OSC-PLS method which eliminates orthogonal component before makes model of load forecasting can remove the useless information between the independent variable(X) and dependent variable(Y) effectively; strengthen the correlation of X and Y; improve the explanation of model’s component highly. Comparing with PLS method, the results of calculation example show that in medium and long term load forecasting, the model of OSC-PLS, proposed in this paper, with better explanation and forecasting accuracy, is more useful.
引文
[1] 杨期余. 配电网络. 北京: 中国电力出版社, 1998
[2] 孙洪波. 电力网络规划. 重庆: 重庆大学出版社, 1996
[3] 孙成宝, 李广泽. 配电网实用技术. 北京: 中国水利水电出版社, 2000
[4] 姚建刚, 章建. 电力市场分析. 北京: 高等教育出版社, 1999
[5] 牛东晓, 曹树华, 赵磊等. 电力负荷预测技术及其应用. 北京: 中国电力出版社, 1998
[6] 毛弋, 杨期余, 刘义仁等. 灰色预测模型的有限自动机的实现问题. 湖南大学学报(自然科学版), 2001, 28(1): 64-68
[7] 王文莉. 负荷预测的灰色系统方法. 东北电力学院学报, 1997, 17(2): 37-43
[8] 周平, 杨岚, 周家启. 电力系统负荷灰色预测的新方法. 电力系统及其自动化学报, 1998, 10(3): 45-50
[9] 张俊芳, 吴伊昂, 吴军基. 基于灰色理论负荷预测的应用研究. 电力自动化设备, 2004, 24(5): 24-27
[10] 伍力, 吴捷, 叶军. 负荷中长期预测一种改进的模糊聚类算法. 电网技术, 2000, 24(1): 36-38
[11] 杨期余, 汪卫华, 蓝信军. 长期电力负荷预测的模糊数学方法. 湖南大学学报(自然科学版), 2002, 29(6): 67-70
[12] 姚建刚, 陈亮, 戴习军等. 混沌神经网络负荷建模的理论研究. 电机工程学报, 2002, 22(3): 99-102
[13] 牛东晓, 刑棉, 孟明. 基于联合数据挖掘技术的神经网络负荷预测模型研究.电工技术学报, 2004, 19(9): 62-68.
[14] 赵杰辉, 葛少云, 刘自发. 基于主成分分析的径向基函数神经网络在电力系统负荷预测中的应用. 电网技术, 2004, 28(5): 35-40
[15] 姚李孝, 宁玲芳, 李庆宇等. 基于模糊聚类分析与 BP 网络的电力系统短期负荷预测. 电网技术, 2005, 29(1): 20-23
[16] 罗滇生, 姚建刚, 何洪英等. 基于自适应滚动优化的电力负荷多模型组合预测系统的研究与开发. 电机工程学报, 2003, 23(5) : 58-61
[17] 钱卫华, 姚建刚, 龙立波等. 基于短期相关性和负荷增长的中长期负荷预测.电力系统自动化, 2007, 31(11): 59-64
[18] 陈章潮, 唐德光. 城市电网规划与改造. 北京: 中国电力出版社, 1998
[19] 张恒喜, 郭基联, 朱家元等. 小样本多元数据分析方法及应用. 西安: 西北工业大学出版社, 2002
[20] 王惠文. 偏最小二乘回归方法及应用. 北京: 国防工业出版社, 1999
[21] 赵杰辉, 葛少云, 刘自发. 基于主成分分析的径向基函数神经网络在电力系统负荷预测中的应用. 电网技术, 2004, 28(5): 35-40
[22] 苏炜宏. 电力系统短期负荷预测主成分分析和人工神经网络的组合方法. 南京理工大学工学硕士学位论文, 2002, 16-20
[23] 王志征, 余岳峰, 姚国平. 基于主成分分析法和自适应神经网络模糊推理系统的电力负荷预测. 电力自动化设备, 2003, 23(9): 39-41
[24] 王志征, 余岳峰, 姚国平. 主成分分析法在电力负荷预测中的应用. 电力需求侧管理, 2003, 5(3): 21-24
[25] 张伏生, 汪鸿, 韩悌等. 基于偏最小二乘回归分析的短期负荷预测. 电网技术, 2003, 27(3): 36-40
[26] 王文圣, 丁晶, 赵玉龙等. 基于偏最小二乘回归的年用电量预测研究. 电机工程学报, 2003, 23(10): 17-21
[27] 朱六璋. 短期负荷预测的组合数据挖掘算法. 电力系统自动化, 2006, 30(14): 82-86
[28] 马文晓, 白晓民, 沐连顺. 基于人工神经网络和模糊推理的短期负荷预测方法. 电网技术, 2003, 27(5): 29-32
[29] Qin S J. Partial least square regression for recursive system identify-cation. Proceeding of 32nd Conference Conference on Decision and Control, 1993, (3): 2617-2622
[30] Azzam-ul-Asar J R, McDonald J R, Khan M I. A specification of neural network applications in the load forecasting problem. First IEEE Conference on Control Application, 1992, 1(1): 577-582
[31] SjoblomJ, Svensson O, Josefson M, et al. An evaluation of orthogonal signal correction applied to calibration transfer of near infrared spectra Chemometrics and Intelligent Laboratory Systems.1998, 44 (1-2): 229-244
[32] Andersson C. A direct orthogonalization. Chemometrics and Intelligent Laboratory Systems. 1999, 47(1): 51-63
[33] Fearn T. On orthogonal signal correction. Chemometrics and Intelligent Laboratory Systems. 2000, 50(1): 47-52
[34] Westerhuis J A, De Jong S, Smilde A K. Direct orthogonal signal correction. Chemometrics and Intelligent Laboratory Systems, 2001, 56(1): 13-25
[35] Trygg J, Wold S. Orthogonal projection to latent structures (O-PLS). Journal of Chemometrics, 2002, 16(3): 119-128
[36] 李春富, 王桂增, 叶昊等. 正交信号修正法及其在软测量中的应用. 信息与控制, 2004, 33(4) : 500-503
[37] 蔡国伟, 杜毅, 李春山等. 基于支持向量机的中长期日负荷曲线预测. 电网技术, 2006, 30(23): 56-60
[38] 刘遵雄, 张德运, 孙钦东等. 基于相关向量机的电力负荷中期预测. 西安交通大学学报, 2004, 38(10): 5-8
[39] 崔昊, 顾洁. 基于数据挖掘的电力系统中长期负荷预测新方法. 电力自动化设备, 2004, 24(6): 18-21
[40] 肖国泉, 王春, 张福伟. 北京: 电力负荷预测。中国电力出版社, 2001
[41] 吴安平. 产业电力弹性系数的意义及其在负荷预测中的应用. 中国电力, 1998, 31(12): 41-44
[42] 刘晨晖. 电力系统负荷预报理论与方法. 黑龙江: 哈尔滨工业大学出版社, 1987
[43] 谢季坚, 刘承平. 模糊数学方法及其应用. 第二版. 湖北: 华中理工大学出版, 2000
[44] 顾洁. 电力系统中长期负荷的可变权综合预测模型. 电力系统及其自动化学报, 2003, 15(6): 56-60
[45] 吴娟, 费维刚, 黄伟等. 模糊聚类预测法在电网负荷预测中的应用. 河北电力技术, 1998, 17(2): 41-45
[46] 闻新, 周露, 李翔等. MATLAB 神经网络仿真与应用. 北京: 科学出版社, 2003
[47] 王洪元, 史国栋. 人工神经网络技术及其应用. 北京: 中国石化出版社, 2002
[48] 韩立岩, 汪培庄. 应用模糊数学修订版. 北京: 首都经济贸易大学出版社, 1998
[49] 虞暄, 程浩忠, 游仕洪等. 中长期电力负荷预测软件包的开发与应用. 电力系统及其自动化学报, 2004, 16(2): 9-12
[50] 何晓群. 回归分析与经济数据建模. 北京: 中国人民大学出版社, 1997
[51] 李寿安, 张恒喜, 郭基联等. 一种基于主元选择的偏最小二乘回归方法. 计算机工程, 2005, 31(16): 7-9
[2] 孙洪波. 电力网络规划. 重庆: 重庆大学出版社, 1996
[3] 孙成宝, 李广泽. 配电网实用技术. 北京: 中国水利水电出版社, 2000
[4] 姚建刚, 章建. 电力市场分析. 北京: 高等教育出版社, 1999
[5] 牛东晓, 曹树华, 赵磊等. 电力负荷预测技术及其应用. 北京: 中国电力出版社, 1998
[6] 毛弋, 杨期余, 刘义仁等. 灰色预测模型的有限自动机的实现问题. 湖南大学学报(自然科学版), 2001, 28(1): 64-68
[7] 王文莉. 负荷预测的灰色系统方法. 东北电力学院学报, 1997, 17(2): 37-43
[8] 周平, 杨岚, 周家启. 电力系统负荷灰色预测的新方法. 电力系统及其自动化学报, 1998, 10(3): 45-50
[9] 张俊芳, 吴伊昂, 吴军基. 基于灰色理论负荷预测的应用研究. 电力自动化设备, 2004, 24(5): 24-27
[10] 伍力, 吴捷, 叶军. 负荷中长期预测一种改进的模糊聚类算法. 电网技术, 2000, 24(1): 36-38
[11] 杨期余, 汪卫华, 蓝信军. 长期电力负荷预测的模糊数学方法. 湖南大学学报(自然科学版), 2002, 29(6): 67-70
[12] 姚建刚, 陈亮, 戴习军等. 混沌神经网络负荷建模的理论研究. 电机工程学报, 2002, 22(3): 99-102
[13] 牛东晓, 刑棉, 孟明. 基于联合数据挖掘技术的神经网络负荷预测模型研究.电工技术学报, 2004, 19(9): 62-68.
[14] 赵杰辉, 葛少云, 刘自发. 基于主成分分析的径向基函数神经网络在电力系统负荷预测中的应用. 电网技术, 2004, 28(5): 35-40
[15] 姚李孝, 宁玲芳, 李庆宇等. 基于模糊聚类分析与 BP 网络的电力系统短期负荷预测. 电网技术, 2005, 29(1): 20-23
[16] 罗滇生, 姚建刚, 何洪英等. 基于自适应滚动优化的电力负荷多模型组合预测系统的研究与开发. 电机工程学报, 2003, 23(5) : 58-61
[17] 钱卫华, 姚建刚, 龙立波等. 基于短期相关性和负荷增长的中长期负荷预测.电力系统自动化, 2007, 31(11): 59-64
[18] 陈章潮, 唐德光. 城市电网规划与改造. 北京: 中国电力出版社, 1998
[19] 张恒喜, 郭基联, 朱家元等. 小样本多元数据分析方法及应用. 西安: 西北工业大学出版社, 2002
[20] 王惠文. 偏最小二乘回归方法及应用. 北京: 国防工业出版社, 1999
[21] 赵杰辉, 葛少云, 刘自发. 基于主成分分析的径向基函数神经网络在电力系统负荷预测中的应用. 电网技术, 2004, 28(5): 35-40
[22] 苏炜宏. 电力系统短期负荷预测主成分分析和人工神经网络的组合方法. 南京理工大学工学硕士学位论文, 2002, 16-20
[23] 王志征, 余岳峰, 姚国平. 基于主成分分析法和自适应神经网络模糊推理系统的电力负荷预测. 电力自动化设备, 2003, 23(9): 39-41
[24] 王志征, 余岳峰, 姚国平. 主成分分析法在电力负荷预测中的应用. 电力需求侧管理, 2003, 5(3): 21-24
[25] 张伏生, 汪鸿, 韩悌等. 基于偏最小二乘回归分析的短期负荷预测. 电网技术, 2003, 27(3): 36-40
[26] 王文圣, 丁晶, 赵玉龙等. 基于偏最小二乘回归的年用电量预测研究. 电机工程学报, 2003, 23(10): 17-21
[27] 朱六璋. 短期负荷预测的组合数据挖掘算法. 电力系统自动化, 2006, 30(14): 82-86
[28] 马文晓, 白晓民, 沐连顺. 基于人工神经网络和模糊推理的短期负荷预测方法. 电网技术, 2003, 27(5): 29-32
[29] Qin S J. Partial least square regression for recursive system identify-cation. Proceeding of 32nd Conference Conference on Decision and Control, 1993, (3): 2617-2622
[30] Azzam-ul-Asar J R, McDonald J R, Khan M I. A specification of neural network applications in the load forecasting problem. First IEEE Conference on Control Application, 1992, 1(1): 577-582
[31] SjoblomJ, Svensson O, Josefson M, et al. An evaluation of orthogonal signal correction applied to calibration transfer of near infrared spectra Chemometrics and Intelligent Laboratory Systems.1998, 44 (1-2): 229-244
[32] Andersson C. A direct orthogonalization. Chemometrics and Intelligent Laboratory Systems. 1999, 47(1): 51-63
[33] Fearn T. On orthogonal signal correction. Chemometrics and Intelligent Laboratory Systems. 2000, 50(1): 47-52
[34] Westerhuis J A, De Jong S, Smilde A K. Direct orthogonal signal correction. Chemometrics and Intelligent Laboratory Systems, 2001, 56(1): 13-25
[35] Trygg J, Wold S. Orthogonal projection to latent structures (O-PLS). Journal of Chemometrics, 2002, 16(3): 119-128
[36] 李春富, 王桂增, 叶昊等. 正交信号修正法及其在软测量中的应用. 信息与控制, 2004, 33(4) : 500-503
[37] 蔡国伟, 杜毅, 李春山等. 基于支持向量机的中长期日负荷曲线预测. 电网技术, 2006, 30(23): 56-60
[38] 刘遵雄, 张德运, 孙钦东等. 基于相关向量机的电力负荷中期预测. 西安交通大学学报, 2004, 38(10): 5-8
[39] 崔昊, 顾洁. 基于数据挖掘的电力系统中长期负荷预测新方法. 电力自动化设备, 2004, 24(6): 18-21
[40] 肖国泉, 王春, 张福伟. 北京: 电力负荷预测。中国电力出版社, 2001
[41] 吴安平. 产业电力弹性系数的意义及其在负荷预测中的应用. 中国电力, 1998, 31(12): 41-44
[42] 刘晨晖. 电力系统负荷预报理论与方法. 黑龙江: 哈尔滨工业大学出版社, 1987
[43] 谢季坚, 刘承平. 模糊数学方法及其应用. 第二版. 湖北: 华中理工大学出版, 2000
[44] 顾洁. 电力系统中长期负荷的可变权综合预测模型. 电力系统及其自动化学报, 2003, 15(6): 56-60
[45] 吴娟, 费维刚, 黄伟等. 模糊聚类预测法在电网负荷预测中的应用. 河北电力技术, 1998, 17(2): 41-45
[46] 闻新, 周露, 李翔等. MATLAB 神经网络仿真与应用. 北京: 科学出版社, 2003
[47] 王洪元, 史国栋. 人工神经网络技术及其应用. 北京: 中国石化出版社, 2002
[48] 韩立岩, 汪培庄. 应用模糊数学修订版. 北京: 首都经济贸易大学出版社, 1998
[49] 虞暄, 程浩忠, 游仕洪等. 中长期电力负荷预测软件包的开发与应用. 电力系统及其自动化学报, 2004, 16(2): 9-12
[50] 何晓群. 回归分析与经济数据建模. 北京: 中国人民大学出版社, 1997
[51] 李寿安, 张恒喜, 郭基联等. 一种基于主元选择的偏最小二乘回归方法. 计算机工程, 2005, 31(16): 7-9
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |