亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于改進AHP法和改進熵權(quán)法結(jié)合的組合電量預(yù)測模型

        2022-12-17 13:38:52張杰薛太林解張超閆祥東
        電氣自動化 2022年6期
        關(guān)鍵詞:權(quán)法電量分配

        張杰,薛太林,解張超,閆祥東

        (山西大學(xué) 電力與建筑學(xué)院,山西 太原 030013)

        0 引 言

        精確的電量預(yù)測是電網(wǎng)安全經(jīng)濟運行的前提,也對國民經(jīng)濟起著至關(guān)重要的作用[1]。

        傳統(tǒng)的單一預(yù)測方法如灰色模型[2]、神經(jīng)網(wǎng)絡(luò)[3]和回歸分析[4]等預(yù)測方法各有其特點,但難以全面表現(xiàn)歷史電量的變化規(guī)律。針對上述問題,文獻[5]提出了基于奇異譜分析與神經(jīng)網(wǎng)絡(luò)的中期負荷分解預(yù)測模型,文獻[6]對隨機森林預(yù)測方法進行改進使其與經(jīng)濟因素相結(jié)合,文獻[7]提出一種STL模型并將其與時間序列結(jié)合進行電量預(yù)測。

        本文采用多種預(yù)測方法結(jié)合的組合預(yù)測模型來避免單一預(yù)測方法的局限性。對于組合預(yù)測模型,如何對各模型進行權(quán)重分配是問題的關(guān)鍵。本文將改進層次分析法(AHP法)和改進熵權(quán)法相結(jié)合形成組合權(quán)重計算方法,計算各單項預(yù)測模型權(quán)重得到組合電量預(yù)測模型。最后以某地區(qū)一個月為例,對其進行電量預(yù)測并與實際情況相比較,結(jié)果表明,使用基于改進方法的組合預(yù)測模型可有效提高預(yù)測的精確性,降低預(yù)測誤差。

        1 改進的AHP法原理

        1.1 構(gòu)造判斷矩陣

        將各個準(zhǔn)則兩兩比較重要性并進行量化,按1-9標(biāo)度法(表1)構(gòu)造判斷矩陣Z為:

        Z=[zij]n×n

        (1)

        式中:n為指標(biāo)的數(shù)量;zij為矩陣元素,表示準(zhǔn)則i相對準(zhǔn)則j的重要性。在傳統(tǒng)層次分析法(AHP法)中,量化標(biāo)準(zhǔn)為1-9標(biāo)度法,如表1所示。在改進方法中,對z11,…,z1n和z21,…,zn1,仍然沿用表1的標(biāo)度法;對任意1

        表1 1-9標(biāo)度法

        (2)

        上述方法構(gòu)造的判斷矩陣Z滿足一致性的定義:對任意i,j,k=1,2,…,n,zik=zij×zjk。因此,判斷矩陣Z具有完全一致性,無需進行傳統(tǒng)AHP法中的一致性校驗和調(diào)整。

        1.2 計算分配權(quán)重

        計算判斷矩陣Z最大特征根的特征向量α:

        (1) 將Z的每一行求乘積,得到向量O:

        (3)

        (2) 對向量的各元素進行n次方根計算,得到向量θ:

        θT=θ1,θ2,…,θn=

        (4)

        (3) 對向量θ進行歸一化處理,得到向量α,即得到了分配權(quán)重:

        (5)

        2 改進的熵權(quán)法原理

        假設(shè)給定了k個指標(biāo),n個模型。那么有:

        (6)

        式中:Xi為第i個指標(biāo)下所有模型的數(shù)值,共有n個,Xi={x1,x2,...,xn};Xij為第j個模型下第i個指標(biāo)的數(shù)值;Yij為第j個模型下第i個指標(biāo)數(shù)值標(biāo)準(zhǔn)化后的值,j=1,2,…,n,i=1,2,…,k。此時信息熵為:

        (7)

        通過上式計算信息熵為E1、E2、…、Ek,通過信息熵計算各指標(biāo)的權(quán)重:

        (8)

        式中:γi為第i個指標(biāo)的權(quán)重。此處對熵權(quán)法進行改進,以修正在多熵值分布趨于1的情況下,權(quán)重分配會出現(xiàn)混亂的缺陷,其改進公式為:

        (9)

        (10)

        3 多誤差評價體系及算法庫

        本文采用以下三種誤差指標(biāo):

        (1) 納什系數(shù)X1

        (11)

        (2) 平方誤差X2

        (12)

        (3) 均方根誤差X3

        (13)

        本文用到的算法庫如表2所示,共有八種預(yù)測算法。

        表2 預(yù)測算法庫

        4 權(quán)重分配

        4.1 誤差指標(biāo)的權(quán)重分配

        (14)

        式中:yi為一種模型在第i個指標(biāo)的評價值。由此可得第j(j=1,…,n)種預(yù)測模型在第i(i=1,…,k)種誤差指標(biāo)下的誤差評價值yji, 誤差評價矩陣Y為:

        (15)

        (16)

        得到其重要性熵值計算式:

        (17)

        式中:Ei為第i個指標(biāo)下的熵值。將Ei代入式(8)~式(10)得出改進熵權(quán)法下誤差指標(biāo)的權(quán)重βi。當(dāng)與改進AHP法相結(jié)合時,組合權(quán)重為:

        (18)

        式中:wi為兩種方法組合時的權(quán)重;αi為改進AHP法下的誤差指標(biāo)權(quán)重。

        4.2 各預(yù)測模型的權(quán)重分配

        (19)

        算法流程圖如圖1所示。

        圖1 算法流程

        5 算例分析

        某地區(qū)過去幾年某月的用電量如表3所示(數(shù)據(jù)已做脫敏處理,以三天為一組,共十組),預(yù)測該地區(qū)2019年的電量并與實際電量對比。

        表3 某地區(qū)用電量 單位:kWh

        (1) 將納什系數(shù)重要性的量化標(biāo)度相對于自身確定為1,相對于平方誤差確定為2,相對于均方根誤差確定為3。則有判斷矩陣Z:

        (20)

        (2) 對2013年至2018年的數(shù)據(jù)利用八種預(yù)測模型分別進行預(yù)測,并用多誤差指標(biāo)體系進行評價,結(jié)合某組電量在該月用電量的占比進行加權(quán),得到該月相對誤差以及評價矩陣Y:

        (21)

        應(yīng)用改進AHP法和改進熵權(quán)法分別計算各誤差指標(biāo)的指標(biāo)權(quán)重,并將其結(jié)合得到誤差指標(biāo)的組合權(quán)重,結(jié)果如表4所示。

        表4 誤差指標(biāo)權(quán)重分配

        (3) 確定組合算法權(quán)重。根據(jù)式(19)計算八種預(yù)測算法的權(quán)重pj(j=1,…,8),其中各預(yù)測模型的參數(shù)設(shè)置均通過對比分析采用最佳參數(shù)值,且計算結(jié)果均為執(zhí)行多次進行預(yù)測得到的平均值,結(jié)果如表5所示。

        表5 各模型權(quán)重分配

        基于電量原始數(shù)據(jù),比較八種單項算法和優(yōu)化組合模型2019年某月電量預(yù)測結(jié)果的相對誤差。對比結(jié)果如表6所示。

        表6 八種預(yù)測算法和組合預(yù)測的效果比較 單位:%

        由表6可以看出,不同預(yù)測算法的預(yù)測誤差有較大差異,其中算法C3和C4誤差較大,而算法C2和C5誤差較小,其他算法介于中間。而優(yōu)化組合預(yù)測模型能夠根據(jù)單項算法的預(yù)測效果,將改進的AHP法和改進的熵權(quán)法結(jié)合,改善各單項模型在組合算法中的權(quán)重,突出算法庫中預(yù)測效果良好的模型,并提高其權(quán)重占比,從而得到更精確的預(yù)測結(jié)果。

        (4) 不同算法預(yù)測結(jié)果對比。為了體現(xiàn)本文算法在預(yù)測算法優(yōu)化中的可行性,本文同時引入其他兩種預(yù)測方法進行結(jié)果對比,結(jié)果見圖2。

        方法1:利用單一預(yù)測算法預(yù)測(選取預(yù)測效果最好的算法C5)。

        方法2:利用傳統(tǒng)AHP法和熵權(quán)法結(jié)合預(yù)測。

        方法3:利用改進AHP法和改進熵權(quán)法結(jié)合預(yù)測。

        圖2 不同算法預(yù)測電量

        由圖2可以直觀地看出,相對于單一的預(yù)測模型和傳統(tǒng)的AHP法和熵權(quán)法,方法3更加接近真實值,精確度更高,誤差更小。

        6 結(jié)束語

        本文將多種預(yù)測模型結(jié)合來預(yù)測電量。在對各模型進行權(quán)重分配時,針對傳統(tǒng)AHP法需一致性校驗和調(diào)整,以及熵權(quán)法多熵值分布都趨于1時熵權(quán)分配紊亂問題。本文提出改進的AHP法和改進的熵權(quán)法來進行權(quán)重分配。經(jīng)過算例分析證明了上述方法的可行性。結(jié)果表明,基于改進AHP法和改進熵權(quán)法的預(yù)測模型可以賦予預(yù)測對象誤差指標(biāo)以及組合算法中單項模型更合理的權(quán)重,形成基于預(yù)測對象特性的優(yōu)化組合模型,從而改善預(yù)測結(jié)果。

        猜你喜歡
        權(quán)法電量分配
        基于熵權(quán)法的BDS鐘差組合預(yù)測模型的建立
        電量越低越透明的手機
        應(yīng)答器THR和TFFR分配及SIL等級探討
        遺產(chǎn)的分配
        一種分配十分不均的財富
        績效考核分配的實踐與思考
        四川2018年7月轉(zhuǎn)讓交易結(jié)果:申報轉(zhuǎn)讓電量11.515 63億千瓦時
        BP神經(jīng)網(wǎng)絡(luò)結(jié)合熵權(quán)法優(yōu)化甘草皂苷提取工藝
        中成藥(2017年9期)2017-12-19 13:34:30
        基于熵權(quán)法*的廣西能源安全評價
        電量隔離傳感器測試儀的研制
        午夜影视啪啪免费体验区入口| 亚洲人交乣女bbw| 中文字幕国产精品一二三四五区| 国产亚洲精品美女久久久久| 日本老熟妇乱| 国产一区二区三区影院| 精品少妇爆乳无码aⅴ区| 国产成人久久精品流白浆| 国产一级黄片久久免费看| 日韩在线观看入口一二三四 | 亚洲熟女精品中文字幕| 男受被做哭激烈娇喘gv视频| 亚洲国产成人手机在线电影| 国产少妇露脸精品自拍网站| 国产大屁股视频免费区| 久久久久成人精品无码| 国产极品美女高潮无套在线观看 | 亚洲αv在线精品糸列| 又色又爽又黄又硬的视频免费观看| 99久久国产综合精品女乱人伦| 人妻少妇中文字幕久久hd高清| 337p粉嫩日本欧洲亚洲大胆| 色妞色综合久久夜夜| 日韩AV无码乱伦丝袜一区| 日本一区二区三区四区高清不卡| 中国女人内谢69xxxx免费视频| 国产精品一区二区在线观看完整版| 一区二区免费国产a在亚洲| 美腿丝袜诱惑一区二区| 水蜜桃无码视频在线观看| 精品久久久久中文字幕APP| 婷婷久久亚洲中文字幕| 99无码熟妇丰满人妻啪啪| 欧美做受视频播放| 精品国产乱码久久免费看| 91精品亚洲成人一区二区三区| 波多野结衣av手机在线观看| 午夜不卡亚洲视频| 国产成人国产三级国产精品| 少妇仑乱a毛片| 精品亚洲欧美高清不卡高清|