資源描述：
《基于氣象因素和時間序列分析的配電網故障數量預測》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。
1、10上海電力2016年第1期兩類：一類是外部環(huán)境因素，比如溫度、風力、雨雪溫度與故障量有較強的相關性，從相關系數的正等氣象情況；另一類是設備本身的因素，比如設備負可以看出，冬季和春秋季溫度越低故障越多，夏類型、生產廠家、性能參數、運行年限、維護保養(yǎng)季溫度越高故障越多。等。表2溫度與故障量的相關系數外部環(huán)境因素相對容易量化，而設備本身的分析項目相關系數影響因素因設備類型多樣、來源廣泛、性能參數不冬季最低氣溫<一>故障量——0．6224夏季最高氣溫<一>故障量O．7l72一、數據積累匱乏等，很難進行細化和量化，進而春秋季平均氣溫<一>故障量—0．5398無法進人預測模型。
2、因此，我們選擇采用折衷方．(2)天氣因素對故障量影響的方差分析案，即先通過回歸模型確定外部氣象因素對配網天氣因素為定性變量，可采用方差分析方法故障數量的影響，之后剔除外部氣象因素解釋的判斷該因素與故障量是否有顯著相關性。首先對故障數量，再對剩余未解釋的故障數量進行時間無雨、小雨、中雨、大雨(2014年暴雨天氣只出現序列建模，采用ARIMA方法進行預測，最后采用過一天，其數據并人大雨范疇)天氣下的故障量反向操作，將氣象因素解釋的故障數量和時間序進行0．05顯著性水平下的單因素方差分析，結果列預測的故障數量進行加和，即得到最終的配網如表3所示。組間差異的P．value=0
3、．5857>0．故障數量預測值。05，表明無雨、小雨、中雨、大雨等天氣因素對故障3模型建立量的影響不顯著，在后續(xù)故障量預測中不予考慮。表3天氣因素(不含雷雨天氣)方差分析3．1配電網故障數量預測回歸模型差異源SSdfMSFP．valueFcfit3．1．1季節(jié)判定組間402339．83134113．30．6462690．5857432．630058配網故障數量具有明顯的季節(jié)規(guī)律，且不同組內73669373355加7519．4總計74o71713358季節(jié)下溫度對故障數量的影響形式與方向不同，因此我們分季節(jié)研究溫度因素與故障量的關系。但在上述天氣因素中加入雷雨天氣，再進
4、行根據華東地區(qū)舒適性用電負荷的開啟特點，方差分析，P．value大幅下降為0．00036，遠小于我們將氣溫作為季節(jié)判定的主要依據：連續(xù)7天0．05的顯著性水平，表明雷雨天氣對故障量具有最低氣溫平均值低于10℃為冬季，連續(xù)7天最高顯著影響，而樣本期間雷雨天氣只出現在夏季，因氣溫平均值高于26~C為夏季，其他日期則為春秋此在夏季故障量預測模型中考慮雷雨因素。季。在冬季，溫度因素以最低氣溫進入模型；夏(3)風力因素對故障量影響的方差分析季，溫度因素以最高氣溫進入模型；春秋季，溫度風力因素同樣為定性變量，對各等級風力時因素以最低氣溫和最高氣溫的平均值進入模型。的故障量進行0．
5、05顯著性水平下的單因素方法季節(jié)判定依據如表1所示。分析，其P．value=0．2098>0．05，表明風力對故表1季節(jié)判定依據障量的影響不顯著，這與該市配網線路電纜化率較高的事實相吻合。我們在后續(xù)故障量預測中不再考慮風力因素。3．1．3回歸模型建立3．1．2自變量篩選以配網故障數量為因變量，以溫度、雷雨天氣根據配電網故障的形成特點和實踐經驗，初(夏季)為自變量，分季節(jié)建立回歸模型，采用步選定溫度、天氣(無雨、小雨、中雨、大雨、暴雨、OLS方法進行回歸分析。其中，冬季模型和春秋雷陣雨)、風力作為影響故障數量的氣象因素，分季模型中溫度為自變量；夏季模型中溫度和雷雨析它們
6、與故障量的相關關系，選擇與故障量具有天氣為自變量，雷雨天氣因素以虛擬變量D雷雨的顯著相關性的氣象因素進入預測模型。形式進人模型：(1)溫度因素與故障量的相關性分析不同季節(jié)下，溫度與故障量的相關關系如表‰={j㈩2所示。所有相關系數的絕對值均超過0．5，表明回歸結果如表4所示。2016年第1期上海電力表4分季節(jié)的配電網故障數量預測回歸模型+(l一l++?+一)；其建模過程一季節(jié)模型回歸結果般包括序列平穩(wěn)化處理、模型識別、模型檢驗、模故障量=～8O．56×日最低氣溫+1858．23型擬合與預測等步驟。冬季模型P-value(0．0000)(0．000O)修正R=O．38l
7、5，SignificanceF=0．00003．2．1序列平穩(wěn)化處理故障量=104．91×日最高氣溫+399．68×D雷雨一1845．04ARIMA模型要求分析的時間序列數據必須夏季模型P-value(0．000O)(O．0110)(O．0000)為平穩(wěn)序列，如果序列不平穩(wěn)則需進行差分或對修正R：O．5306，SignificanceF=O．0000數差分等變換，使原時間序列滿足平穩(wěn)性條件。故障量=一16．35×日平均氣溫+1128．73春秋季模型P-value(0．0000)(0．01300)我們通過單位根(ADF)檢驗判定上述剔除修正R=O．28
