Peak load models are not widely use

Peak load models are not widely used since they do not provide any
information about the shape of the load curve. Load shape models
describe the load as discrete time series over the forecasting interval
and can be categorized into two groups: static models 15-71 and
dynamic models. Dynamic load shape models incorporate in their
predictions the cumulative effects of such factors as recent load
behavior, weather, and random effects. They are of two basic types:
autoregressive moving average (ARMA) models [8-101 and state
space models [ 111.
Finally powerful regression models have been developed that utilize
nonlinear transformations, reverse-error-in-variables techniques
and other statistical methodologies to effectively capture load
variations due to special events, weather pattern deviations from
normal and other random correlation effects [12]. However,
inherent limitations exist in most conventional statistical methods
because of the following major drawbacks: 1) the nonlinear
relationships of the input and output variables are difficult to
capture; 2) the collinearity problem of the exploratory input
variables limits the number of input variables that can be used in
the model; and 3) the models are not very flexible to rapid system
load changes

ผลลัพธ์ (ไทย) 1:

รุ่นที่โหลดสูงสุดไม่ใช้เนื่องจากพวกเขาไม่ให้การใด ๆ ข้อมูลเกี่ยวกับรูปร่างของเส้นโค้งโหลด โหลดรูปร่างโมเดล อธิบายการโหลดเป็นชุดแยกกันเวลาผ่านช่วงการคาดการณ์ และสามารถจำแนกได้เป็น 2 กลุ่ม: คงรุ่น 15-71 และ แบบจำลองแบบไดนามิก รูปร่างแบบไดนามิกโหลดรวมในของพวกเขา คาดการณ์ผลกระทบสะสมจากปัจจัยดังกล่าวเป็นการโหลดล่า ลักษณะการทำงาน สภาพอากาศ และผลกระทบแบบสุ่ม มีสองประเภทพื้นฐาน: autoregressive (ARMA) ค่าเฉลี่ยเคลื่อนที่แบบ [8-101 และรัฐ แบบจำลองพื้นที่ [111 สุดท้าย แบบจำลองถดถอยที่มีประสิทธิภาพได้รับการพัฒนาที่ใช้ การแปลงเชิงเส้น เทคนิคย้อนกลับข้อผิดพลาดในแปร และโหลดอื่น ๆ วิธีการทางสถิติในการจับภาพได้อย่างมีประสิทธิภาพ เปลี่ยนแปลงเนื่องจากการจัดกิจกรรมพิเศษ ความเบี่ยงเบนรูปแบบสภาพอากาศจาก ปกติและผลสุ่มสหสัมพันธ์อื่น ๆ [12] อย่างไรก็ตาม มีข้อจำกัดอยู่ในวิธีการทางสถิติแบบเดิมมากที่สุด เนื่องจากข้อเสียที่สำคัญต่อไปนี้: 1) การไม่เชิงเส้น ความสัมพันธ์ของตัวแปรอินพุท และเอาท์พุทได้ยาก ถ่ายภาพ 2)ปัญหาภาวะร่วมเส้นตรงของการป้อนข้อมูลสำรวจ ตัวแปรจำกัดจำนวนของตัวแปรอินพุตที่สามารถใช้ใน รูปแบบ และ 3) แบบไม่ยืดหยุ่นกับระบบอย่างรวดเร็ว โหลดการเปลี่ยนแปลง

ผลลัพธ์ (ไทย) 2:

รุ่นโหลดสูงสุดยังไม่ได้ใช้กันอย่างแพร่หลายเนื่องจากพวกเขาไม่ได้ให้การใด ๆ
ข้อมูลเกี่ยวกับรูปร่างของเส้นโค้งโหลด รุ่นรูปร่างโหลด
อธิบายโหลดเป็นชุดต่อเนื่องทางเวลากว่าช่วงคาดการณ์
และสามารถแบ่งออกเป็นสองกลุ่มคือรุ่นที่คงที่ 15-71 และ
รุ่นแบบไดนามิก รุ่นรูปร่างโหลดแบบไดนามิกรวมของพวกเขาใน
การคาดการณ์ผลกระทบสะสมของปัจจัยต่าง ๆ เช่นที่ผ่านมาโหลด
พฤติกรรมสภาพอากาศและผลกระทบแบบสุ่ม พวกเขาเป็นสองประเภทพื้นฐาน
อัตค่าเฉลี่ยเคลื่อนที่ (ARMA) รุ่น [8-101 และรัฐ
พื้นที่รุ่น 111 [
รุ่นถดถอยที่มีประสิทธิภาพในที่สุดได้รับการพัฒนาที่ใช้
การเปลี่ยนแปลงเชิงเทคนิคการย้อนกลับข้อผิดพลาดในตัวแปร
และวิธีการทางสถิติอื่น ๆ ที่จะ ได้อย่างมีประสิทธิภาพจับภาพโหลด
รูปแบบเนื่องจากการจัดกิจกรรมพิเศษการเบี่ยงเบนรูปแบบสภาพอากาศจาก
ผลกระทบความสัมพันธ์สุ่มปกติและอื่น ๆ [12] อย่างไรก็ตาม
ข้อ จำกัด โดยธรรมชาติที่มีอยู่ในวิธีการทางสถิติเดิมมากที่สุด
เพราะข้อบกพร่องที่สำคัญดังต่อไปนี้ 1) การไม่เชิงเส้น
ความสัมพันธ์ของอินพุตและเอาต์พุตตัวแปรที่ยากที่จะ
จับภาพ; 2) ปัญหา collinearity ของการป้อนข้อมูลสำรวจ
ตัวแปร จำกัด จำนวนของตัวแปรที่สามารถนำมาใช้ใน
รูปแบบ; และ 3) แบบไม่ได้มีความยืดหยุ่นมากกับระบบอย่างรวดเร็ว
การเปลี่ยนแปลงความเร็วในการโหลด

ผลลัพธ์ (ไทย) 3:

ยอดโหลดแบบไม่ใช้กันอย่างแพร่หลายตั้งแต่พวกเขาไม่ได้ให้การใด ๆข้อมูลเกี่ยวกับรูปร่างของโหลดโค้ง รูปนางแบบ โหลดอธิบายการโหลดเป็นชุดแบบ ผ่านช่วงการพยากรณ์และสามารถแบ่งออกเป็นสองกลุ่ม คือ แบบคงที่และแบบ 15-71แบบไดนามิก แบบไดนามิกในรูปร่างรวมโหลดการคาดการณ์ผลกระทบสะสมของปัจจัยเช่นโหลดล่าสุดพฤติกรรม , อากาศ , และผลการสุ่ม พวกเขาเป็นสองประเภทขั้นพื้นฐาน :วิธีค่าเฉลี่ยเคลื่อนที่ ( อาม่า ) รุ่น [ 8-101 และรัฐแบบจำลองอวกาศ [ 111 .ตัวแบบการถดถอยที่มีประสิทธิภาพได้รับการพัฒนาที่ใช้ในที่สุดการแปลงเชิงเส้น กลับความคลาดเคลื่อนในตัวแปรเทคนิคและวิธีการทางสถิติอื่น ๆมีประสิทธิภาพในการจับ โหลดการเปลี่ยนแปลงเนื่องจากสภาพอากาศรูปแบบการเบี่ยงเบนจากเหตุการณ์พิเศษปกติและความสัมพันธ์แบบอื่น ๆผล [ 12 ] อย่างไรก็ตามข้อจำกัดโดยธรรมชาติที่มีอยู่ในวิธีการทางสถิติแบบดั้งเดิมมากที่สุดเพราะประการสำคัญดังนี้ 1 ) เส้นความสัมพันธ์ของข้อมูลและตัวแปรผลผลิตได้ยากจับ 2 ) ปัญหาของ collinearity เข้าสำรวจตัวแปรที่จำกัดจำนวนของตัวแปรที่สามารถใช้ในรูปแบบ และ 3 ) แบบไม่ยืดหยุ่นมากระบบอย่างรวดเร็วการเปลี่ยนแปลงโหลด