Математические методы анализа и прогнозирования в электроэнергетике
Покупка
Новинка
Тематика:
Электроэнергетика. Электротехника
Издательство:
Издательский Дом НИТУ «МИСиС»
Автор:
Карпенко Сергей Михайлович
Год издания: 2024
Кол-во страниц: 112
Дополнительно
Вид издания:
Учебное пособие
Уровень образования:
ВО - Бакалавриат
ISBN: 978-5-907833-35-7
Артикул: 883024.01.99
Учебное пособие посвящено математическим методам анализа и прогнозирования в области электроэнергетики. Рассмотрены вопросы моделирования динамики и прогнозирования электропотребления на основе анализа временных рядов, в том числе без учета и с учетом сезонности. Приведены примеры решения задач. Пособие будет полезно студентам направления 13.03.02 «Электроэнергетика и электротехника» как в процессе обучения, так и
при выполнении выпускных квалификационных работ.
Скопировать запись
Фрагмент текстового слоя документа размещен для индексирующих роботов
Москва 2024 МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ РФ Университет науки и технологий МИСИС ГОРНЫЙ ИНСТИТУТ Кафедра энергетики и энергоэффективности горной промышленности С.М. Карпенко МАТЕМАТИЧЕСКИЕ МЕТОДЫ АНАЛИЗА И ПРОГНОЗИРОВАНИЯ В ЭЛЕКТРОЭНЕРГЕТИКЕ Учебное пособие Рекомендовано редакционно-издательским советом университета № 4552
УДК 620.9.004 К26 Р е ц е н з е н т канд. техн. наук, доц., зам. зав. кафедрой электроснабжения и диагностики электрооборудования В.В. Зоринец (Московский институт энергобезопасности и энергосбережения) Карпенко, Сергей Михайлович. К26 Математические методы анализа и прогнозирования в электроэнергетике : учеб. пособие / С.М. Карпенко. – Москва : Издательский Дом НИТУ МИСИС, 2024. – 111 с. ISBN 978-5-907833-35-7 Учебное пособие посвящено математическим методам анализа и прогнозирования в области электроэнергетики. Рассмотрены вопросы моделирования динамики и прогнозирования электропотребления на основе анализа временных рядов, в том числе без учета и с учетом сезонности. Приведены примеры решения задач. Пособие будет полезно студентам направления 13.03.02 «Электроэнергетика и электротехника» как в процессе обучения, так и при выполнении выпускных квалификационных работ. УДК 620.9.004 Карпенко С.М., 2024 ISBN 978-5-907833-35-7 НИТУ МИСИС, 2024
ОГЛАВЛЕНИЕ Введение.......................................................................5 1. Понятие временных рядов..........................................7 1.1. Этапы моделирования динамики процессов электропотребления....................................................7 1.2. Виды и классификация временных рядов................9 1.3. Модели нестационарных временных рядов............ 11 2. Предварительный анализ временного ряда.................. 16 2.1. Графический анализ временного ряда................... 16 2.2. Выявление аномальных значений........................ 20 2.3. Проверка гипотезы о случайности тренда.............. 22 2.4. Численное сглаживание уровней временного ряда.... 27 2.5. Метод экспоненциального сглаживания................ 34 2.6. Исследование структуры ряда. Автокорреляция.... 38 3. Моделирование временного ряда без учета фактора сезонности.................................................................. 44 3.1. Виды уравнений тренда...................................... 44 3.2. Построение линейного тренда.............................. 46 3.3. Оценка качества уравнения линейного тренда........ 49 3.4. Анализ отклонений от тренда.............................. 54 3.4.1. Нулевое математическое ожидание остатков.... 55 3.4.2. Постоянство дисперсии остатков.................... 56 3.4.3. Независимость остатков................................ 58 3.4.4. Нормальность остатков................................. 60 3.5. Модель ряда и ее характеристики......................... 64 3.6. Моделирование временного ряда в условиях смены тенденции. Тест Чоу........................ 67 4. Моделирование временного ряда с учетом фактора сезонности.................................................................. 75 5. Методы прогнозирования электропотребления с использованием временных рядов.................................. 83 5.1. Прогнозирование методом численного сглаживания............................................................ 84 5.2. Прогнозирование по уравнению тренда................. 88
5.3. Прогнозирование по аддитивной модели с учетом фактора сезонности....................................... 95 Заключение.............................................................. 101 Библиографический список......................................... 102 Приложение 1. Критические значения распределения Фишера–Снедекора при уровне значимости a = 0,05....... 103 Приложение 2. Критические значения t-критерия Стьюдента................................................................. 105 Приложение 3. Критические значения коэффициентов корреляции r-Пирсона................................................ 106 Приложение 4. Критические значения распределения Дарбина–Уотсона....................................................... 108 Приложение 5. Критические значения распределения c2 Пирсона........................................... 110
ВВЕДЕНИЕ В настоящее время при проведении статистического анализа и прогнозирования в электроэнергетике актуальным является не только сравнение объектов между собой по какой-то группе показателей, но и сопоставление одного или нескольких показателей, характеризующих состояние одного объекта (процесса) за ряд последовательных периодов времени. Информационной базой для такого анализа служат динамические ряды. Последовательность наблюдения одного явления или показателя, упорядоченного в зависимости от последовательно возрастающих или убывающих значений другого признака, называют динамическим рядом. Если в качестве признака, по которому производится упорядочивание, выбирается время, то такие ряды называют временными рядами. Данное учебное пособие посвящено вопросам применения временных рядов для анализа и прогнозирования электропотребления энергообъектами. Существует две основные цели анализа временных рядов: определение свойств ряда и прогнозирование, т.е. предсказание будущих значений временного ряда по настоящим и прошлым значениям. Обе цели требуют, чтобы модель ряда была определена и формально описана. Как только модель построена, с ее помощью можно интерпретировать рассматриваемые данные – например, использовать ее для анализа сезонного изменения регионального электропотребления. Затем можно экстраполировать ряд на основе найденной модели, т.е. предсказать его будущие значения. В учебном пособии изложены основные этапы предварительного анализа временного ряда, методы построения и оценки качества моделей временного ряда, методы прогнозирования электропотребления региона и оценки точности прогноза. Практическая реализация теоретических положений прогнозирования электропотребления с использованием времен
ных рядов показана на сквозном примере анализа и прогнозирования электропотребления региональных энергообъектов. Учебное пособие предназначено для студентов направления 13.03.02 «Электроэнергетика и электротехника», изучающих курс «Математические методы в электроэнергетике».
1. ПОНЯТИЕ ВРЕМЕННЫХ РЯДОВ 1.1. Этапы моделирования динамики процессов электропотребления Многие задачи в области электроэнергетики, в том числе исследования электропотребления энергообъектов, можно решать с помощью методологии анализа, моделирования и прогнозирования на основе временных рядов. Временной ряд – это упорядоченная во времени последовательность значений показателя, характеризующего уровень развития изучаемого процесса или явления. Основной характеристикой временного ряда является его длина n. Под длиной временного ряда обычно понимается период времени, прошедший от первого наблюдения до последнего. В качестве показателя времени рассматриваются либо определенные моменты (даты), либо периоды (сутки, месяцы, кварталы, годы и т.п.). При статистической обработке под длиной временного ряда понимают количество его элементов – n. Элементы (члены) временного ряда называются уровнями временного ряда и обозначаются yt, а соответствующие им моменты времени – t (t = 1, 2, …, n). Т.е. уровни ряда нумеруются в соответствии с моментом времени: y1, y2, …, yn, здесь y1 – начальный уровень. Точность характеристик временного ряда зависит от длины временного ряда, но эта зависимость не является прямо пропорциональной. Информационная ценность уровней временного ряда уменьшается по мере их удаления от начального момента времени. В отличие от пространственных данных, используемых в регрессионном анализе, во временных рядах последовательные наблюдения (уровни), как правило, зависят друг от друга, что накладывает ограничения на использование статистических методов при изучении временных рядов. В последнее время широкое развитие получил раздел математи
ческой статистики, учитывающий особенности временных данных и специализирующийся на их исследовании – анализ временных рядов. Первым этапом такого исследования является построение ряда, отвечающего требованиям: уровни ряда должны быть получены из надежных источников информации и сопоставимы друг с другом по качественному содержанию и моментам времени. Второй этап – определение типа основной тенденции (либо констатация отсутствия надежной тенденции). Методика этого этапа излагается в курсах общей теории статистики и обычно включает: • содержательный подход – исследование закономерностей изменения показателей на примере электропотребления объектов и формирования спроса на электроэнергию для генерирующих компаний; • математико-статистическую оценку наличия достаточно надежного прироста уровней, ускорения этого прироста, темпов роста, наличия автокорреляции уровней; • графическое изображение временного ряда и подбор подходящей линии тренда. Третий этап – предварительный анализ временного ряда, построение модели ряда, т.е. уравнения такой линии, которая оптимально выражает фактическую тенденцию изменения уровней ряда. На этом этапе применяются методы математической статистики: метод наименьших квадратов (МНК), статистические критерии Фишера, Стьюдента, Дарбина-Уотсона и др. Используются программы STATISTICA, Statgraphics, средства Excel Microsoft Office и др. Четвертый этап заключается в исследовании отклонений фактических значений уровней ряда от расчетных уровней тренда, т.е. в изучении колеблемости, а также в измерении и моделировании сезонных (циклических) колебаний. Пятым этапом является расчет прогнозируемых значений временного ряда для будущих периодов, вероятных интервалов этих прогнозов и верификация прогнозов.
1.2. Виды и классификация временных рядов Классифицировать различные виды временных рядов можно по следующим признакам. 1. В зависимости от способа выражения уровней временные ряды подразделяются на ряды абсолютных, относительных и средних величин. 2. В зависимости от того, как выражают уровни ряда состояние процесса на определенные моменты времени (начало месяца, квартала, года и т.п.) или его величину за определенные интервалы времени (например, за месяц, квартал, год и т.п.), различают соответственно моментные и интервальные временные ряды. 3. В зависимости от расстояния между датами или интервалами (между уровнями) временные ряды разделяются на ряды с равноотстоящими уровнями и не равноотстоящими уровнями. 4. В зависимости от наличия основной тенденции изучаемого процесса временные ряды разделяются на стационарные и нестационарные. Если основные характеристики случайного процесса (математическое ожидание и дисперсия) постоянны и не зависят от времени, то процесс считается стационарным и временной ряд также считается стационарным. График стационарного ряда располагается относительно прямой y = yср, параллельной горизонтальной оси. На рис. 1.1 среднее значение стационарного ряда y– t = 4. Процессы электропотребления во времени обычно не являются стационарными, так как содержат основную тенденцию развития, и описываются нестационарными временными рядами. На рис. 1.2 график временного ряда располагается относительно наклонной прямой (тренда), характеризующей тенденцию. 5. По числу показателей выделяют изолированные (одномерные) и компонентные (многомерные) временные ряды. Если проводится анализ во времени одного показателя, то вре
менной ряд изолированный. Например, объем потребленной электроэнергии некоторым предприятием представляет собой одномерный временной ряд (табл. 1.1). 0 1 2 3 4 5 6 7 8 9 1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 yt yср = 4 t – номер месяца Рис. 1.1. График стационарного временного ряда 0 200 400 600 800 1000 1200 1400 1600 1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 yt yt = 16,48 t + 130,75 t – номер месяца Рис. 1.2. График нестационарного временного ряда с возрастающим трендом Таблица 1.1 Одномерный временной ряд Момент времени (дата) Январь 2020 г. Февраль 2020 г. Март 2020 г. Апрель 2020 г. … … … Номер момента времени, t 1 2 3 4 … n – 1 n Значение показателя, yt y1 y2 y3 y4 … yn–1 yn