摘要：电力系统的短期负荷是属于突变事件，这必将影响到电力系统的稳健性，因此，分析电力系统短期负荷是有意义的[1]。

首先，对电力数据进行基础分析并建立各个电力负荷量模型[2]。利用Excel软件计算出2014年该地区各个负荷量的统计量结果。

处理大量负荷数据时，我们要对这些负荷数据进行预处理。为了简化样本，我们主要对缺失值和异常值进行处理。对缺失值分析是结合平均温度的含义，我们算出平均系数。然后根据平均的值计算得该天的平均温度。对于其他缺失数据，则直接采用附近4个值的中位数进行补充。对于异常值，用这个阈值代替超过三倍标准差的负荷数据。

在讨论天气因素对负荷数据的影响时，本文采用多元线性回归模型。首先，对各个负荷数据变量进行回归分析，得出所需的回归模型。然后，我们用标准残差图是否是白噪声来判断模型是否有效，显然，该模型是有效的。最后用逐步回归法建立回归分析模型，并分析可得最能影响负荷数据的天气因素是平均温度。 

在预测电力系统短期负荷数据时，本文采用的是构建预测模型，取每日0时刻的电力负荷量作为参照数据。观察其时间序列图，发现有季节性趋势。本文直接取每年1月份的电力负荷量来消除季节成分的影响。计算出在0点的电力负荷量预测模型[3]。因此，获得了电力系统未来七天的电力负荷预测[4]。而在对该模型进行标准残差分析的时候，发现有一定的周期因素影响，然后对模型进一步改进。

关键词：多元回归模型、电力负荷、模型

目录

摘要

ABSTRACT

1.  绪  论-1

1.1 引言-1

1.2 数据概述-1

2.数据预处理-3

2.1 预处理的必要性-3

2.2 预处理步骤-3

2.3 预处理过程分析-3

2.4 本章小结-5

3. 多元线性回归分析-5

3.1 多元线性回归模型-5

3.2 建立模型-5

3.3 模型求解-7

3.4 多元线性回归误差的分析-9

3.5 逐步回归模型-10

3.6 本章小结-10

4.预测模型-11

4.1 模型介绍-11

4.2 模型步骤-12

4.3 模型求解-13

4.4 模型检验-17

4.5 模型改进-18

4.6 模型的残差平方和检验-23

4.7 本章小结-23

参考文献-24

致    谢-26

附    录-27