Книжная полка Сохранить
Размер шрифта:
А
А
А
|  Шрифт:
Arial
Times
|  Интервал:
Стандартный
Средний
Большой
|  Цвет сайта:
Ц
Ц
Ц
Ц
Ц

Математическое моделирование в задачах электроэнергетики

Покупка
Новинка
Артикул: 883178.01.99
Доступ онлайн
2 000 ₽
В корзину
Учебное пособие содержит теоретические положения и методические указания для решения типовых задач, описание реализации на компьютере с помощью MS Excel, примеры математического моделирования задач управления в энергетике, а также контрольные вопросы и задания. Может быть использовано при выполнении выпускных квалификационных работ, а также в научных исследованиях. Предназначено для студентов направления 13.03.02 «Электроэнергетика и электротехника», изучающих дисциплину «Математические методы в электроэнергетике».
Карпенко, С. М. Математическое моделирование в задачах электроэнергетики : учебное пособие / С. М. Карпенко. – Москва : Издательский Дом НИТУ «МИСиС», 2025. - 149 с. - Текст : электронный. - URL: https://znanium.ru/catalog/product/2261004 (дата обращения: 19.11.2026). – Режим доступа: по подписке.
Фрагмент текстового слоя документа размещен для индексирующих роботов
Москва 2025
МИНИС ТЕРСТВО Н АУКИ И ВЫСШЕГО ОБР А ЗОВА Н И Я  Р Ф
УНИВЕРСИТЕТ НАУКИ И ТЕХНОЛОГИЙ МИСИС
ГОРНЫЙ ИНСТИТУТ
Кафедра энергетики и энергоэффективности  
горной промышленности
С.М. Карпенко
МАТЕМАТИЧЕСКОЕ 
МОДЕЛИРОВАНИЕ В ЗАДАЧАХ 
ЭЛЕКТРОЭНЕРГЕТИКИ
Учебное пособие
Рекомендовано редакционно-издательским  
советом университета
№ 4707


УДК  620.9.004 
К26
Р е ц е н з е н т 
канд. техн. наук, доцент кафедры энергетики  
и энергоэффективности горной промышленности  
Горного института НИТУ МИСИС Е.В. Жилин
Карпенко, Сергей Михайлович.
К26	 	
Математическое моделирование в задачах электроэнергетики : учебное пособие / С.М. Карпенко. – 
Москва : Издательский Дом НИТУ МИСИС, 2025. – 
148 с.
Учебное пособие содержит теоретические положения и методические указания для решения типовых задач, описание 
реализации на компьютере с помощью MS Excel, примеры математического моделирования задач управления в энергетике, 
а также контрольные вопросы и задания. Может быть использовано при выполнении выпускных квалификационных работ, 
а также в научных исследованиях.
Предназначено для студентов направления 13.03.02 «Электроэнергетика и электротехника», изучающих дисциплину «Математические методы в электроэнергетике».
УДК 620.9.004
Карпенко С.М., 2025
НИТУ МИСИС, 2025


СОДЕРЖАНИЕ
Введение. .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . . . . . . . . . . . . . . . . . . . . . . . . 5
1. Парная корреляция . .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . . . . . . . . . . . . . . . . . . 6
1.1. Понятие корреляционной зависимости . .  .  .  .  .  . . . . . . . . 6
1.2. Коэффициент парной корреляции. .  .  .  .  .  .  .  .  . . . . . . . . . . 7
1.3. Свойства коэффициента парной корреляции. .  .  .  . . . . . . 9
1.4. Оценка статистической значимости коэффициента 
парной корреляции. .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . . . . . . . . . . . . . . . . . . 9
1.5. Интервальная оценка коэффициента  
парной корреляции. .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . . . . . . . . . . . . . . . . . 10
1.6. Коэффициент детерминации. .  .  .  .  .  .  .  .  .  . . . . . . . . . . . . 12
1.7. Решение типовых задач. .  .  .  .  .  .  .  .  .  .  .  . . . . . . . . . . . . . . 13
2. Парная линейная регрессия. .  .  .  .  .  .  .  .  .  .  .  .  . . . . . . . . . . . . . . . 20
2.1. Построение уравнения  
парной линейной регрессии . .  .  .  .  .  .  .  .  .  .  .  . . . . . . . . . . . . . . 20
2.2. Основные понятия дисперсионного анализа. .  .  .  . . . . . . 23
2.3. Характеристики линейной регрессионной модели. .  . . . 25
2.4. Оценка качества уравнения линейной регрессии. .  . . . . 26
2.5. Анализ остатков. .  .  .  .  .  .  .  .  .  .  .  .  .  .  . . . . . . . . . . . . . . . . . 29
2.6. Практические приложения парной  
линейной регрессионной модели . .  .  .  .  .  .  .  .  .  . . . . . . . . . . . . 33
2.7. Решение типовых задач. .  .  .  .  .  .  .  .  .  .  .  . . . . . . . . . . . . . . 34
3. Парная нелинейная регрессия. .  .  .  .  .  .  .  .  .  .  .  . . . . . . . . . . . . . . 50
3.1. Построение уравнения  
парной нелинейной регрессии. .  .  .  .  .  .  .  .  .  .  .  . . . . . . . . . . . . . 50
3.2. Оценка качества уравнения  
нелинейной регрессии. .  .  .  .  .  .  .  .  .  .  .  .  .  .  . . . . . . . . . . . . . . . . 53
3.3. Характеристики  
нелинейной регрессионной модели. .  .  .  .  .  .  .  .  .  . . . . . . . . . . . 55
3.4. Приложения нелинейных  
регрессионных моделей. .  .  .  .  .  .  .  .  .  .  .  .  .  . . . . . . . . . . . . . . . . 56
3.5. Решение типовых задач. .  .  .  .  .  .  .  .  .  .  .  . . . . . . . . . . . . . . 58


4. Математическое моделирование задач управления 
в электроэнергетике . .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . . . . . . . . . . . . . . . . . . . 81
4.1. Математическое моделирование задачи  
реализации электротехнической продукции. .  .  .  .  .  . . . . . . . 81
4.2. Математическое моделирование задачи  
реализации электроэнергии энергосбытовой  
компанией потребителям . .  .  .  .  .  .  .  .  .  .  .  .  . . . . . . . . . . . . . . . 88
4.3. Математическое моделирование задачи  
производства электроэнергии  
на тепловых электростанциях . .  .  .  .  .  .  .  .  .  .  . . . . . . . . . . . . 100
4.4. Математическая модель задачи  
прогнозирования спроса на электроэнергию  
на основе анализа временных рядов. .  .  .  .  .  .  .  .  . . . . . . . . . . 110
4.5. Статистический анализ  
инвестиционного проекта на основе  
многофакторной регрессионной модели. .  .  .  .  .  .  . . . . . . . . . 120
5. Задания для самостоятельной работы. .  .  .  .  .  .  .  .  . . . . . . . . . . 125
5.1. Упражнения . .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . . . . . . . . . . . . . . . . . . 125
5.2. Задачи. .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . . . . . . . . . . . . . . . . . . . . 128
5.3. Вопросы и задания для самоконтроля. .  .  .  .  .  . . . . . . . . 133
5.4. Ответы. .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . . . . . . . . . . . . . . . . . . . . 134
Заключение. .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . . . . . . . . . . . . . . . . . . . . . . 137
Библиографический список. .  .  .  .  .  .  .  .  .  .  .  .  .  . . . . . . . . . . . . . . . 138
Приложения . .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  .  . . . . . . . . . . . . . . . . . . . . . 139
Приложение 1. Таблица значений  
z-преобразования Фишера. .  .  .  .  .  .  .  .  .  .  .  .  . . . . . . . . . . . . . . 139
Приложение 2. Критические значения  
t-распределения Стьюдента. .  .  .  .  .  .  .  .  .  .  .  . . . . . . . . . . . . . . 140
Приложение 3. Критические значения  
F-распределения Фишера – Снедекора  
при уровне значимости α = 0,05 . .  .  .  .  .  .  .  .  .  . . . . . . . . . . . . 141
Приложение 4. Критические значения  
распределения Пирсона. .  .  .  .  .  .  .  .  .  .  .  .  .  . . . . . . . . . . . . . . . 143
Приложение 5. Критические значения распределения 
Дарбина – Уотсона при уровне значимости α = 0,05 . .  . . . . 145


ВВЕДЕНИЕ
Устойчивое развитие экономики страны неразрывно 
связано с опережающим ростом ее энергетической отрасли. 
В свою очередь, решение задач в энергетике связано с внедрением современных средств управления, автоматизации 
и программного обеспечения на основе использования математических методов.
Математическое моделирование широко используется 
при изучении вопросов электроснабжения, электропривода, 
энергоэффективности и является неотъемлемым методом 
исследования. Правильно построенная модель качественно 
и количественно оценивает величину изменения изучаемого 
явления или процесса в зависимости от изменения различных факторов.
Для проведения математического моделирования в настоящее время широкое применение нашли статистические, 
в том числе эконометрические, методы, которые позволяют 
выявить существующие связи между параметрами модели 
и внешними факторами, дать обоснованный прогноз развития в заданных условиях, проверить и численно оценить результаты принимаемых управленческих решений.
Важными составляющими успешного моделирования 
являются адекватная постановка задачи, подготовка качественных исходных данных, корректное применение математического аппарата, четкое понимание областей применимости используемых методов, правильная интерпретация 
полученных результатов. В настоящее время моделирование 
невозможно без использования средств вычислительной техники и современных статистических пакетов прикладных 
программ.
В учебном пособии приведены теоретические положения 
и методические указания для решения типовых задач электроэнергетики, описание реализации на компьютере с помощью MS Excel, примеры математического моделирования задач управления в энергетике.


1. ПАРНАЯ КОРРЕЛЯЦИЯ
1.1. Понятие корреляционной зависимости
Процессы в электроэнергетике характеризуются множеством признаков, отражающих те или иные их свойства. Эти 
признаки изменяются (варьируются) во времени и пространстве. Нередко изменения признаков взаимозависимы и взаимообусловлены.
Различают два типа зависимости между признаками: 
функциональную и статистическую, или стохастическую.
Статистическая зависимость  –  это зависимость, при 
которой каждому значению независимой переменной х (факторного признака) соответствует множество значений зависимой переменной у (результативного признака), причем 
неизвестно заранее, какое именно значение примет у. Статистическая зависимость – свойство совокупности наблюдений 
в целом, а не отдельных ее единиц.
Частным случаем статистической зависимости является 
корреляционная зависимость.
Корреляционная зависимость, или корреляция  –  это 
связь, при которой каждому значению независимой переменной х соответствует определенное математическое ожидание (условное среднее значение) зависимой переменной у.
Корреляционная связь проявляется не в каждом отдельном случае, а только в средних величинах при достаточно 
большом числе статистических наблюдений.
Корреляционная связь бывает прямая (с увеличением 
(уменьшением) значений факторного признака х происходит 
увеличение (уменьшение) значений результативного признака у) и обратная (с увеличением (уменьшением) значений 
факторного признака х происходит уменьшение (увеличение) значений результативного признака у).
По аналитическому выражению корреляционная зависимость может быть прямолинейной (линейной) и криволинейной (нелинейной).


В случае линейной зависимости с возрастанием величины факторного признака происходит равномерное возрастание (или убывание) величин результативного признака (выражается уравнением прямой линии).
При криволинейной зависимости с возрастанием величины факторного признака возрастание (или убывание) результативного признака происходит неравномерно (выражается 
уравнениями кривых линий).
В зависимости от количества факторных признаков корреляционные связи делят на однофакторные (связь между 
одним признаком-фактором (х) и результативным признаком (y)) и многофакторные (связь между несколькими факторными признаками и результативным признаком).
Корреляционная зависимость исследуется с помощью методов корреляционного анализа.
Корреляционный анализ  –  это раздел математической 
статистики, посвященный изучению взаимосвязей между 
случайными величинами. Применяется тогда, когда данные наблюдений можно считать случайными и выбранными 
из генеральной совокупности, распределенной по нормальному закону.
Корреляционный анализ заключается в количественном 
определении тесноты связи между двумя признаками (при 
парной связи) и между результативным и множеством факторных признаков (при многофакторной связи).
1.2. Коэффициент парной корреляции
Теснота связи между двумя признаками x и y количественно выражается величиной коэффициента парной корреляции rxy:
	
=
−
−
=
⋅
⋅
∑
1
(
)(
)
,
n
i
i
i
xy
x
y
x
x y
y
r
n s
s
	
(1.1)


где n – объем исследуемой совокупности (объем выборки);
,
x  y – средние значения;
2
x
s , 2
уs  – исправленные дисперсии;
sx, sy – среднеквадратические (стандартные) отклонения 
признаков x и y, определяются по формулам:
	
=
= ∑
1
1
;
n
i
i
x
x
n
 
=
= ∑
1
1
;
n
i
i
y
y
n
	
(1.2)
	
=
=
−
−∑
2
2
1
1
(
) ;
1
n
x
i
i
s
x
x
n
 
=
=
−
−∑
2
2
1
1
(
) ;
1
n
y
i
i
s
y
y
n
	
(1.3)
	
=
2;
x
x
s
s
 
=
2.
y
y
s
s 	
(1.4)
Коэффициент парной корреляции rxy служит мерой линейной корреляционной зависимости между величинами y 
и x при условии, что на формирование их значений оказывают влияние некоторые другие, неучтенные факторы.
Теснота нелинейной зависимости определяется с помощью индекса корреляции ρxy (корреляционного отношения).
Для расчета коэффициента парной корреляции также 
можно использовать следующие формулы:
	
⋅
−
⋅
=
⋅
,
xy
x
y
y x
y x
r
s
s
	
(1.5)
где 
⋅
y x – средняя арифметическая произведения двух признаков 
=
⋅
=
⋅
∑
1
1
(
);
n
i
i
i
y x
y x
n
	
=
=
−
⋅
−
=
−
⋅
−
∑
∑
1
2
2
1
(
) (
)
(
)
(
)
n
i
i
i
xy
n
i
i
i
x
x
y
y
r
x
x
y
y
.	
(1.6)


1.3. Свойства коэффициента 
парной корреляции
1. –1 ≤ rxy ≤ 1.
2. rxy = ryx.
3. Если признаки x и y независимы, то rxy = 0.
4. Из равенства rxy = 0 не следует независимость величин 
x и y, отрицается лишь их линейная корреляционная зависимость (может существовать нелинейная зависимость).
5. Значения rxy = –1, rxy = 1 соответствуют практически 
функциональной линейной связи между величинами x и y.
6. При rxy > 0 величины x и y одновременно возрастают 
(прямая зависимость). При rxy < 0 с возрастанием величины 
x (y) величина y (x) убывает (обратная зависимость).
Для определения тесноты (силы) линейной корреляционной зависимости можно использовать шкалу Чеддока 
(табл. 1.1).
Таблица 1.1
Шкала Чеддока
Значение |rxy|
Характер линейной корреляционной связи  
между признаками x и y
0–0,2
Связь практически отсутствует
0,2–0,5
Связь слабая
0,5–0,7
Связь средняя (умеренная)
0,70–0,95
Связь сильная (тесная)
0,95–1,00
Практически функциональная зависимость
1.4. Оценка статистической значимости 
коэффициента парной корреляции
Коэффициент парной корреляции rxy как статистическую величину необходимо оценить на достоверность (статистическую значимость).
Для оценки значимости коэффициента парной корреляции используют t-критерий Стьюдента, который применяет
ся при t-распределении, отличном от нормального, но приближающемся к нормальному при n > 30.
Находится расчетное значение (статистика) критерия
	
⋅
−
−
−
расч
2
1,
1
xy
xy
r
t
n
m
r
	
(1.7)
которое сравнивается с табличным (критическим) значением tтабл, найденным по таблице критических значений распределения Стьюдента (приложение 2) по уровню значимости α и числу степеней свободы df = n – m – 1, или с помощью 
встроенной функции MS Excel «СТЬЮДРАСПОБР»; n – объем выборки; m – число независимых переменных (в случае 
парной корреляции m = 1). Значение α обычно принимается 
равным 0,05.
Если |tрасч|  >  tтабл, то коэффициент парной корреляции 
признается статистически значимым. Если |tрасч| < tтабл, коэффициент корреляции считается незначимым, случайно отличающимся от нуля.
1.5. Интервальная оценка коэффициента  
парной корреляции
Для коэффициента парной корреляции rxy находится его 
интервальная оценка, в качестве которой служит доверительный интервал, определенный с надежностью (вероятностью) γ = 1 – α:
или	
−
⋅
<
<
+
⋅
−
⋅
+
⋅
табл
табл
табл
табл
(
;
).
xy
r
xy
r
xy
r
xy
r
r
m
t
r
r
m
t
r
m
t
r
m
t
	
(1.8)
Здесь tтабл – значение, найденное по таблице критических 
точек распределения Стьюдента по уровню значимости α 
и числу степеней свободы df = n – m – 1 (двусторонняя кри
Доступ онлайн
2 000 ₽
В корзину