Регрессионный метод анализа и прогнозирования потерь электроэнергии
Регрессионной моделью называют функциональную зависимость, отражающую наиболее существенные свойства оригинала и исключающую все прочие факторы.
Существенным (условно закономерным) считается то, что проявляется многократно и единообразно. Несущественным (условно случайным) – то, что проявится эпизодически и стахостически.
Метод регрессионного анализа обладает способностью разделять эти две составляющие информации об оригинале. Если, например, показатель потерь энергии ∆А рассматривается на n однородных интервалах времени t, то исходное значение показателя, включающее условно закономерную и условно случайную составляющие, представляется символом . Этот же показатель, содержит только условно закономерную составляющую –. Тогда условно случайная составляющая –.
Формальное разделение закономерной и случайной составляющих достигается таким подбором функциональной зависимости для определения , при котором обеспечивается минимум величины Ф
Ф=. (10)
Важнейшее качество регрессионных моделей заключается в возможности их использования для прогнозирования поведения оригинала. В этом случае должны использоваться только условно-закономерные свойства, а случайные свойства должны исключаться.
Для построения приемлемой регрессионной модели потерь энергии в электрической сети достаточно учитывать один наиболее важный фактор (величину суммарного отпуска энергии) и вводить поправки на влияние причин, проявляющихся в одинаковые месяцы разных лет (сезонные влияния) и на усредненную тенденцию по изменению потерь энергии на протяжении ряда лет (тренд показателя).
Подготовка соответствующей модели для ЭВМ выполняется в два этапа:
- описать влияние важного фактора. Простейшей является линейная регрессионная модель.
, (11)
- суммарный отпуск отпуск энергии в сеть или из сети в t-ый месяц интервала предыстории;
- оценка суммарных потерь энергии в тот же месяц;
а0 и а1 – коэффициенты регрессии.
Подставив (11) в (10) получим:
Ф1=. (12)
Определив минимум величины Ф, находим а0 и а1. Подставляя а0 и а1 в (11), вычисляем и определяем отклонения:
εt = . (13)
- учесть поправки. Суммарная поправка к исходной модели (11)
, (14)
- поправка на сезонное влияние, равная среднему значению отклонений (13) для всех одноименных месяцев на интервал предыстории;
bt – поправка на тренд. Значение коэффициента тренда определяется из условия:
Ф2=. (15)
Объединив исходную модель (11) с поправкой (14), получим модель потери энергии в электрической сети (закономерную составляющую) на интервале предыстории
. (16)
Случайная составляющая выражается остаточными отклонениями: . Этим заканчивается второй этап подготовки регрессионной модели.
Расчеты можно производить используя At и ∆At именованных единицах (тыс. кВт∙ч) тогда коэффициенты а и b имеют размерность тыс. кВт∙ч, коэффициент а1 и индексы t безразмерны, - тыс. кВт∙ч.
Для анализа и сопоставления результатов удобно выражать и коэффициент тренда b в процентах. Тогда формула (16) принимает вид:
. (17)
Возможно построение регрессионной модели, учитывающей все факторы, которые выделены в структурном анализе. В качестве дополнительных существенных факторов можно принять плотность электрической нагрузки, суммарная приведенная к одному напряжению протяженность ЛЭП, массу метала ЛЭП.
Линейная многофакторная регрессионная модель имеет вид
. (18)
i – текущий индекс фактора;
m – количество факторов;
xit – значение i–го фактора в t месяц интервала предыстории.
Возможна квадратичная регрессионная модель
. (20)
и смешанная модель
. (21)
При использовании регрессионного анализа целесообразно регулярно пересчитывать параметры регрессионной модели и прогнозируемые значения. Необходимо ввести графики а0(t), а1(t), b(t), по которым следить за изменениями обобщенных свойств управляемых объектов.