Главная страница
Навигация по странице:

  • Годовая выработка электроэнергии в СССР, млрд. кВт·ч

  • Логарифмы W i

  • Значения  и логарифмы 

  • Лабораторная работа 1 ЭСиЭ. Отчет к лабораторным работам по дисциплине Математическое моделирование электрических систем и элементов


    Скачать 375.59 Kb.
    НазваниеОтчет к лабораторным работам по дисциплине Математическое моделирование электрических систем и элементов
    Дата14.02.2022
    Размер375.59 Kb.
    Формат файлаdocx
    Имя файлаЛабораторная работа 1 ЭСиЭ.docx
    ТипОтчет
    #361745
    страница3 из 3
    1   2   3

    Лабораторная работа №5

    Прогнозирование годовой выработки электроэнергии на основе экспоненциальной и логистической моделей в среде MathCaD

    1). Выполнить прогноз годовой выработки электроэнергии по данным, приведенным в табл. 1, на 2000 и 2005 годы.

    Таблица 1

    Годовая выработка электроэнергии в СССР, млрд. кВт·ч

    Годы (ti)

    1960

    1965

    1970

    1975

    1980

    1985

    1990

    Wi

    292

    506

    740

    1038

    1293

    1544

    1726

    Для прогнозирования выберем экспоненциальную и логистическую модель

    Для определения  в найдем логарифмы Wi и найдем коэффициенты линейной функции .

    Таблица 2

    Логарифмы Wi

    (tit0)

    0

    5

    10

    15

    20

    25

    30

    Ln Wi

    5,677

    6,227

    6,607

    6,945

    7,165

    7,342

    7,454

    Здесь i = 0, 1, 2, …, n – 1 (n = 7).

    Все расчеты и графические построения выполнить в Mathcad.

    Начальные значения:

    Обозначения: Years – годы, W – годовое электропотребление, tn – первый год ретроспективы.







    1. Экспоненциальная модель



    В логарифмических координатах – линейная зависимость:



    Экспоненциальная функция:





    2. Логистическая модель 1

    Для получения параметров логистической модели требуется дифференцирование функции ln W(t). Для функции, заданной дискретными значениями, получим n – 1 точек ее производной



    Прологарифмируем значения j и запишем их в табл. 3.



    (значений  на единицу меньше, чем значений W)

    Таблица 3

    Значения  и логарифмы 

    (tit0)

    0

    5

    10

    15

    20

    25



    0,11

    0,076

    0,068

    0,044

    0,035

    0,022

    ln

    –2,208

    –2,577

    –2,693

    –3,125

    –3,339

    –3,804







    Построим график логарифма производной от энергии W (квадратиками обозначены дискретные значения из табл. 3). На графике показано, как ломаная кривая дискретных значений аппроксимируется прямой линией.





    Запишем функции для логистической модели:



    С учетом знака минус :





    Построим графики логарифмов экспоненциальной и логистической модели:



    На графике видно, что логистическая зависимость дает более точные совпадения с экспериментальными данными.

    Построим графики самих математических моделей:



    В системе Mathcad имеются специальные функции проведения регрессии для некоторых наиболее распространенных моделей, в том числе для экспоненциальной и логистической модели:

    expfit(vx, vy, vg) – возвращает вектор, содержащий коэффициенты (a, b и c) аппроксимирующего выражения экспоненциальной модели вида , график которого лучшим образом приближается к точкам, координаты которых хранятся в векторах vx и vy (вектор vg содержит первое приближение к решению);

    lgsfit(vx, vy, vg) – возвращает вектор, содержащий коэффициенты (a, b и c) аппроксимирующего выражения логистической модели вида , график которого лучшим образом приближается к точкам, координаты которых хранятся в векторах vx и vy (вектор vg содержит первое приближение к решению).

    Выполним моделирование по указанным функциям.

    Экспоненциальная модель 2





    Логистическая модель 2





    Графические построения по обеим моделям





    В системе Mathcad есть функция линейного алгебраического предсказывания predict. Она применяется для гладких и периодических функций и является разновидностью экстраполяции.

    predict(v, m, n) – возвращает n предсказанных значений, основанных на m последовательных значениях вектора данных v. v – представляет собой вектор равномерно расположенных данных (через равные интервалы по аргументу).

    Функция predict использует последние m исходных значений данных, чтобы вычислить коэффициенты предсказания. Как только это сделано, она использует последние m точек, чтобы предсказать координаты m + 1-й точки, фактически создавая скользящее окно шириной в m точек.

    Выполним прогноз выработки электроэнергии с помощью этой функции:



    Графическая сравнительная иллюстрация моделей из инструментальных средств Mathcad.



    Оценка погрешностей моделей и численные значения прогноза на 2000 и 2005 годы.









    Заключение:

    В ходе выполнения лабораторных работ были получены следующие умения:

    - формулировать сущность проблемы, цели и задачи, принимать основные допущения;

    – проводить эксперименты по заданным методикам с последующей обработкой и анализом результатов в области электроэнергетики;

    – составлять математическую модель процесса, применяя законы электротехники;

    – составлять схемы замещения элементов энергосистемы и рассчитывать их параметры.

    Навыки:

    работы в программном комплексе MathCad при математическом моделировании различных режимов работы элементов электрических систем, расчета токов и напряжений для простейших схем в установившемся и переходном режимах.
    1   2   3


    написать администратору сайта