|
96 ('>/)= P0( i j ) , (2.5.4) где ДPu.,{i,j) ~ сезонная компонента; PQ( i,j ) среднемесячные значения за июль, нормирует суточные нагрузки всех 365 суток года. Осуществив подобное нормирование уровня газопотреблепия за нескольких лет, приводим их к одинаковым условиям. Сезонные компоненты формируются по календарному принципу от 1го до 365-го номера: где / —час суток (1 24); п день в году (1 365). Поскольку конечной целыо моделирования уровня газопотреблепия является получение прогностических зависимостей на момент времени z+1, где z-последний год за который имеется фактическая информация, а также с целыо учета межгодовых тенденций, ожидаемые значения сезонных компонент нагрузки на момент времени z+1 определяются из процедуры экспоненциального сглаживания с использованием модели Брауна [12, 85]. где ДP Для отстройки от случайных выбросов и получения математического описания сезонной компоненты необходимо ожидаемые значения сезонных компонент сгладить в разрезе года. Аналитическое описание колебаний сезонной компоненты потребительской нагрузки в разрезе года называется сезонной кривой. Использование на практике в качестве математической модели сезонной кривой рядов Фурье не удовлетворяло современным технологическим требованиям, поскольку применение гармонического анализа дает некоторое ухудшение точности восстановления начальной и конечной орди(2.5.5) (2.5.6) |
месяце, гак как в июле она минимальна и менее всего подвержена вариациям. Базовая нагрузка представляется стабильными средне-месячными УРГ, которые принимаются в качестве базовых. Среднемесячными называют осредненные за данный месяц УРГ характерных дней недели понедельников, рабочих дней, суббот, воскресений: = (2.3.3) п ы где i час суток (1 + 24); j день недели (1^-7); п число характерных дней в месяце Вычитая из фактических часовых нагрузок L(i,j) среднюю почасовую нагрузку июля можно выделить сезонную компоненту УРГ. В этой компоненте присутствуют также компоненты естественного роста нагрузки внутри года и внутримесячной неравномерности. Для простоты изложения будем называть ее сезонной. Таким образом, преобразование вида: А4„ ('■/) = Ln(/,/), (2.3.4) где ALce3( i,j) сезонная компонента; среднемесячные УРГ за июль, нормирует суточные УРГ 365 суток года. Осуществив подобное нормирование УРГ нескольких лет, мы приводим их к одинаковым условиям. Сезонные компоненты формируются по календарному принципу от 1го до 365-го номера: (2.3.5) где I час суток (1 24); п день в году (1 + 365). Поскольку конечной целью моделирования УРГ является получение прогностических зависимостей на момент времени z+1, где z-последний год за который имеется фактическая информация, а также с целью учета межгодовых тенденций, ожидаемые значения сезонных компонент нагрузки на момент времени z+1 определяются из процедуры экспоненциального сглажива85 ния с использованием модели Брауна [14,90]. 8 6 (2.3.6) где ДР^+1(/,п) оценка ожидаемых сезонных компонент; АРа,ф{1,п) фактическая сезонная компонента за последний год, по которому имеется фактическая информация; APcclk(i,п) фактическая сезонная компонента за К й год; а коэффициент экспоненциального сглаживания, выбираемый из условия минимума дисперсии; М число лет предыстории (6 10). Для отстройки от случайных выбросов и получения математического описания сезонной компоненты необходимо ожидаемые значения сезонных компонент сгладить в разрезе года. Аналитическое описание колебаний сезонной компоненты УРГ в разрезе года называется сезонной кривой. Использование на практике в качестве математической модели сезонной кривой рядов Фурье не удовлетворяло современным технологическим требованиям, поскольку применение гармонического анализа дает некоторое ухудшение точности восстановления начальной и конечной ординат, а также усложняет расчеты по определению оптимальной степени полинома. Как правило, на практике степень полинома определяется экспериментально. В предлагаемой модели для описания сезонной кривой используется параболическая регрессия, не имеющая перечисленных выше недостатков, представленная в виде ортогонального многочлена Чебышева [25]: где Bo(i,n), ... ,Bk(i,n) ~многочлены Чебышева; fa ■■■>Рк ~ коэффициенты полинома, которые находятся с помощью метода наименьших квадратов; к порядок многочлена. Многочлены Чебышева не зависят от элементов выборки, а зависят только от ее объема [66, 91]. Это позволяет упростить задачу построения инк* *) = А Л {U«)+А 5, (г,л)■+...+ркВк(i,п), (2.3.7) |