基于Box-Cox变换分位数回归与负荷关联因素辨识的中长期概率密度预测

中长期电力负荷预测是电力部门制定电力系统发展规划和稳定运行的重要前提.针对影响中长期电力负荷预测精度的多个因素,本文利用逐步回归方法,从众多影响负荷预测精度的关联因子中,对关键的影响因子进行辨识,并提出基于Box-Cox变换分位数回归和核密度估计相结合的概率密度预测方法,得出不同分位点下未来连续几年的概率密度预测结果,实现了对未来年用电量准确波动区间的预测.以安徽省的历史用电量和社会经济数据为例,进行仿真实验.结果表明：该方法不仅实现了中长期电力负荷概率密度预测,而且利用强关联因素提高了中长期电力负荷概率密度预测的精度,有效解决了考虑多因子的中长期电力负荷概率密度预测问题.

基于最优分位数回归随机森林和风险评估指数的统计负荷预测

为了支持智能电网的正常运行,应用前一天预测区间(PI)构建概率密度函数来分析随机负荷行为,实现对称区间预测。然而,此方法缺乏预测变量不确定性的预期风险信息,如天气条件和负荷变化,为此提出一种新型的统计负荷预测(SLF)模型,采用概率图、分位数回归随机森林(QRRF)和风险评估指数(RAI)获得负荷需求曲线预测风险的实际图解。为了掌握实际负荷工况,通过准确点预测结果构建所提出的SLF模型,并采用QRRF从各个分位数建立了PI。为了将外部因素的不确定性与实际负荷相关联,采用概率图计算训练范围内发生的最可能的分位数。根据当前输入,采用RAI计算PI的预期风险。所提出的SLF模型通过新英格兰电力系统数据进行验证,并与基准算法和Winkler评分进行比较。结果表明,与现有基准模型相比,所提方法能够建模更精确的负载PI以及风险评估。

具有幂变换的半参数分位数回归

考虑响应变量具有幂变换的半参数分位数回归模型.非参数部分运用B样条进行估计,通过最小化累积残差平方和来估计Box-cox幂变换中的参数.研究得到了半参数分位数回归模型估计的一致收敛速度.

基于EWT和分位数回归森林的短期风电功率概率密度预测

概率密度预测能够给出未来风电功率可能的波动范围、预测值出现的概率及不确定性等更多信息,提出基于经验小波变换(EWT)和分位数回归森林的短期风电功率概率密度组合预测模型。首先,采用新型自适应信号处理方法——经验小波变换,将原始风电功率序列分解为一系列频率特征互异的经验模式;然后,对每一经验模式序列分别构建分位数回归森林预测模型,得到任意分位点条件下的预测结果,通过叠加不同经验模式预测结果获得最终的短期风电功率预测值;最后,对预测值条件分布采用核密度估计获得任意时刻概率密度预测。仿真结果验证了所提模型的有效性。

基于Box-Cox变换下心脏瓣膜手术数据的实证分析研究

以英国皇家布鲁顿医院的心脏瓣膜手术数据为研究对象,通过正态性检验发现数据的响应变量是单峰非正态分布,从而对数据的响应变量进行Box-Cox变换.然后用线性混合效应模型,分位数回归,机器学习方法对Box-Cox变换后的数据进行分析.以标准均方误差(NMSE)作为比较标准,分析出变换后的线性混合效应模型相对变换前预测效果更优,经过对数变换(λ=0)后的部分分位数回归和部分机器学习方法的预测更精准.

Box-Cox变换用于分位数回归曲线相交问题的研究

将Box-Cox变换与分位数回归模型相结合(两阶段法),是分位数回归研究领域的一大进步。该法虽然两步都与分位数回归的检验函数紧密结合,但是由于没有利用分位数回归的优良性质,而是引入了中间参变量,因此增加了模型的累进误差,降低了模型精度。更重要的是,两阶段法没有对于分位数回归领域中普遍出现的分位数回归曲线的相交问题给出解决方法。针对这些问题,经研究应该首先确定Box-Cox变换的参数,避免模型中不确定因素的引入,然后对数据进行整体变换并结合分位数检验函数,直接利用分位数回归的优良性质,最终确定分位数回归模型的参数。实例证明,该方法提高了模型的精度,可以有效地解决分位数回归曲线的相交问题。

基于Box-Cox-TQR概率密度的铁路运用车保有量预测方法

合理的铁路运用车保有量,对满足铁路货运需求,提高货车运用效率,降低运营成本等有重要作用.考虑铁路运输系统复杂的内外部环境及其动态变化特性,对影响运用车保有量因素定性分析;提出了粗糙集属性约简、灰色关联分析、逐步回归方法相结合的主要影响因素识别方法.以此为基础,建立了基于Box-Cox变换分位数回归(Box-Cox-TQR)和核密度估计相结合的概率密度预测模型.以国家铁路局运用车保有量实际数据为基础,进行预测试验.结果表明,利用主要因素识别的方法符合目标值的运动变化规律,预测结果具有良好的精度.此外,概率密度预测比点预测、区间预测传递出更多信息,为管理决策提供更多准确有用信息.

基于小波分解技术和随机森林算法的负荷概率预测

当前负荷概率预测受到越来越多研究人员的关注,其中多阶段预测系统已经证明了其在提高负荷概率预测整体性能方面的有效性。在使用分位数回归森林和随机森林建立概率预测之前,采用4种基于小波分解的方法预处理负荷时间序列,通过不同的模型对变换得到的负荷分量进行预测,以提高预测精度并减少计算工作量。以2014年全球能源预测竞赛期间公布的实际数据为例进行了数值仿真分析,并与多个基准进行了比较,证明了所提方法的有效性。

我国城乡居民收入影响因素研究——基于省际面板分位数回归分析

随着我国经济的快速发展,居民收入差距逐渐成为众多学者的研究热点之一。本文利用2002-2009年我国30各省市自治区的省际面板数据,运用面板固定效应变换分位数回归方法对影响我国城乡居民收入的影响因素进行了实证分析。研究结果表明,人均教育年限、人均积累资本、就业率以及居民收入结构等因素在城镇与农村问的作用效果有所不同,人均受教育年限在农村中的边际收益更高,就业率在城镇中影响显著,而居民的转移性和财产性收入在总收入中的比重的提高对在城乡间影响作用相反。

一种新型确定性风电功率预测模型及其概率性评估

现有风电功率预测多数为确定性预测,而由于风电功率具有随机性和波动性,确定性预测在不确定性条件下难以为系统调度决策提供有效信息,概率性预测能够提供预测的不确定性信息。提出一种基于小波变换和模糊自适应共振映射的新型确定性预测方法,利用数值天气预报及风电功率历史数据进行确定性预测。同时基于分位数回归分析,并以置信度、锐度、技术评分为指标,对确定性预测结果进行概率性评估。以某风电场为例,给出了确定性预测值及概率性评估,验证了所提方法的有效性。