(封面格式) 报名序号:1249论文题目:某地区电力负荷数据分析与预测姓 名班级有效联系电话参赛队员 1陈富安全工程参赛队员 2谢海燕统计学参赛队员 3王浩统计学指导老师:唐玲参赛学校:安徽建筑大学南区证书邮寄地址、邮编、收件人:地址: 安 徽合肥市经开区紫云路 292 号安徽建筑大学南区 邮政编码:230061收件人姓名: 陈富 联系电话: 7 报名序号:1249论文题目:某地区电力负荷数据分析与预测阅卷专家 1阅卷专家 2阅卷专家 3论文等级某地区电力负荷数据分析与预测摘 要针对两个地区历史数据分析及未来数据相关预测,本文用统计学相关理论为基础对两个地区历史数据进行探究分析,深化并直观得描述了数据得分布情况;同时利用时间序列乘积季节模型与 LMBP 神经网络模型分别对未来数据进行预测并进行相关误差分析,分别得到不同预测方法下得预测结果。对于问题一,本文对两个地区 2025 年 1 月 1 日—2025 年 12 月 31 日得负荷数据进行挖掘分析,选取描述数据集中趋势得均值与中位数统计量、描述数据分布离散程度得方差与离散系数统计量以及描述数据分布偏态与峰度得偏度系数与峰度系数统计量来描述各地区全年得日最高负荷、日最低负荷、日峰谷差、日负荷率指标得分布情况;绘制出了两地区 2025 年全年负荷持续曲线;结合上述结果,分析出地区 2 负荷变化数据波动较平缓,初步预判地区 2 得负荷可以获得更准确得预测结果。对于问题二,本文根据 2025 年 1 月 1 日至 2025 年 12 月 31 日得数据,用偏最小二乘法,分别对日最高负荷、日最低负荷、日平均负荷与各气象因素关系进行回归分析,得出 6 个多元线性回归模型,同时得到各个回归模型得离差平方与,以离差平方与得大小来反映回归误差得大小;使用简单相关系数检验法,通过各个气象因素相互之间得相关系数矩阵,得出最高温度、最低温度、平均温度这三个因素相关系数较高,存在多重共线性;再经过变量得显著性检验,得出若要用气象因素来提高负荷预测精度,优先推举平均温度、降雨量、湿度这三个气象因素得结论。对于问题三,考虑到历史电力负荷数据具有明显得周期性,建立时间序列乘积季节模型,对两个地区 2025 年 1 月 11 日至 17 日共 7 天得电力负荷进行预测,得出负荷预测结果见附件。由于模型中各个参数均通过了参数得显著性检验,残差序列通过了残差检验为白噪声序列,体现了模型对原序列得信息提取十分充分,所以在不知道实际负荷数据得情况下,有充分理由推断预...
