主权项 |
1.一种基于最大信息熵的协同负荷预测方法,包括下列步骤:第一步首先采集上级部门预测方案与汇总后的下级部门预测方案,定义<maths num="0001"><![CDATA[<math><mrow><msub><mi>g</mi><mi>u</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><mo>=</mo><msup><mrow><mo>[</mo><mrow><mo>(</mo><mi>x</mi><mo>-</mo><msub><mover><mi>l</mi><mo>^</mo></mover><mi>tu</mi></msub><mo>)</mo></mrow><mo>/</mo><msub><mover><mi>l</mi><mo>^</mo></mover><mi>tu</mi></msub><mo>]</mo></mrow><mn>2</mn></msup><mo>,</mo></mrow></math>]]></maths><maths num="0002"><![CDATA[<math><mrow><mi>E</mi><mo>[</mo><msub><mi>g</mi><mi>u</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><mo>]</mo><mo>=</mo><msub><mi>m</mi><mrow><mi>tu</mi><mn>2</mn></mrow></msub><mo>/</mo><msup><mrow><mo>(</mo><msub><mover><mi>l</mi><mo>^</mo></mover><mi>tu</mi></msub><mo>)</mo></mrow><mn>2</mn></msup><mo>,</mo></mrow></math>]]></maths><maths num="0003"><![CDATA[<math><mrow><msub><mi>g</mi><mi>d</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><mo>=</mo><msup><mrow><mo>[</mo><mrow><mo>(</mo><mi>x</mi><mo>-</mo><msub><mover><mi>l</mi><mo>^</mo></mover><mi>td</mi></msub><mo>)</mo></mrow><mo>/</mo><msub><mover><mi>l</mi><mo>^</mo></mover><mi>td</mi></msub><mo>]</mo></mrow><mn>2</mn></msup><mo>,</mo></mrow></math>]]></maths><maths num="0004"><![CDATA[<math><mrow><mi>E</mi><mo>[</mo><msub><mi>g</mi><mi>d</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><mo>]</mo><mo>=</mo><msub><mi>m</mi><mrow><mi>td</mi><mn>2</mn></mrow></msub><mo>/</mo><msup><mrow><mo>(</mo><msub><mover><mi>l</mi><mo>^</mo></mover><mi>td</mi></msub><mo>)</mo></mrow><mn>2</mn></msup><mo>,</mo></mrow></math>]]></maths>式中,<img file="A2009100687900002C5.GIF" wi="34" he="64" />为第t年上级预测方案的平均值,m<sub>tu2</sub>为第t年上级预测方案的二阶中心矩;<img file="A2009100687900002C6.GIF" wi="38" he="66" />为第t年下级预测方案的平均值,m<sub>td2</sub>为第t年下级预测方案的二阶中心矩;其次计算上下级预测方案的统计特征:平均值<img file="A2009100687900002C7.GIF" wi="197" he="63" />二阶中心矩(m<sub>tu2</sub>,m<sub>td2</sub>),并依据<img file="A2009100687900002C8.GIF" wi="162" he="66" />m<sub>tu2</sub>、m<sub>td2</sub>确定g<sub>u</sub>(x)、g<sub>d</sub>(x)的表达式与E[g<sub>u</sub>(x)、E[g<sub>d</sub>(x)];第二步单独将上、下级预测方案的统计特征作为约束信息,基于下述的负荷预测公式得到上、下级预测方案对应的概率分布函数,进而得到原始预测方案置信水平:max h(X)=-∫p<sub>i</sub>(x)lnp<sub>i</sub>(x)dx (1)st∫p<sub>i</sub>(x)g<sub>i</sub>(x)dx=E[g<sub>i</sub>(x)]i=u,d(2)∫p<sub>i</sub>(x)dx=1i=u,d(3)式(1)为目标函数,其中h(X)为随机变量X的熵,p(x)为X取值为x的概率密度;式(2)中,当i=u表示待求概率分布函数应满足上级部门预测的统计特征对应的约束;当i=d时表示待求概率分布函数应满足汇总后的下级部门预测方案的统计特征对应的约束;式(3)为上下级预测方案对应的概率分布函数自身的约束;第三步同时将上、下级预测方案的统计特征作为约束信息,基于下述的最大信息熵的协同负荷预测公式,得到协同概率分布函数:max h(X)=-∫p(x)lnp(x)dx (4)st∫p(x)g<sub>u</sub>(x)dx=E[g<sub>u</sub>(x)] (5)∫p(x)g<sub>d</sub>(x)dx=E[g<sub>d</sub>(x)] (6)∫p(x)dx=1 (7)式(4)为目标函数,其中h(X)为随机变量X的熵,p(x)为X取值为x的概率密度;式(5)表示待求概率分布函数应满足上级部门预测方案的统计特征对应的约束;式(6)表示待求概率分布函数应满足汇总后的下级预测方案的统计特征对应的约束;式(7)为概率分布函数自身的约束;第四步基于第三步中得到的协同概率分布函数,计算其数学期望及最大概率,基于概率论区间估计的相关理论,最终确定协同负荷预测的高、中、低方案。 |