电力问题程序

用散点图检查出力组方案和潮流值的关系，举例： %matlab program
%relationship between x1 and y1 clc;clear;
x1=[120 133.02 129.63 158.77 145.32]; y1=[164.78 165.81 165.51 167.93 166.79]; plot(x1,y1,'r+'); xlabel('x(出力组)'); ylabel('y(潮流值)');
title('出力组方案和潮流值的散点图');
120
125130135
140145150155160
x(出力组)
y (潮流值)
出力组方案和潮流值的散点图
%matlab program
%relationship between x2 and y2 clc;clear;
x2=[73 78.596 75.45 90.487 83.848]; y2=[139.45 141.5 141.13 143.03 142.28]; plot(x2,y2,'r+'); xlabel('x(出力组)'); ylabel('y(潮流值)');
title('出力组方案和潮流值散点图');
72
74767880
828486889092
139139.5140140.5141141.5142
142.5143
143.5x(出力组)
y (潮流值)
出力组方案和潮流值的散点图
类似的画完x1与y1,x2与y2…………x8与y8。

进行描点，通过对于散点图的观察，可以发现各线路上有功潮流与各发电机组出力之间有线性相关关系，故建立多元线性回归模型， 即：⎩⎨
⎧++++=)
,0(~ (2)
110δεε
βββN x x y i i 式中，210,,...,,δβββi 都是与i x x x ,...,,21无关的未知参
数。

从而找出各线路上有功潮流关于各发电机组出力的回归方程，即所要确定的近似表达式。

设各线路上有功潮流为6...2,1,=j y j ，各机组出力8...2,1,=i x i ，各组实验数据分别记为
im i i x x x ,...,,21和jm j j y y y ,...,,21，其中32,...,2,1=m 。

此外，为了对求出的回归方程进行合理的
检验，在求解该式的过程中，我们没有用到方案0中给出的数据0i x 和0j y 。

180
190200
210220230240
x(出力组)
y (潮流值)
出力组方案和潮流值的散点图
65
7075
80859095100
163163.5164
164.5165165.5
166166.5167x(出力组)
y (潮流值)
出力组方案和潮流值的散点图
125
130135
140145150155160
x(出力组)
y (潮流值)
出力组方案和潮流值的散点图
125
130
135140
145150
x(出力组)
y (潮流值)
出力组方案和潮流值的散点图
60
6570
758085
162163
164
165
166
167
168
x(出力组)
y (潮流值)
出力组方案和潮流值的散点图
90
95100
105110115120125
x(出力组)
y (潮流值)
出力组方案和潮流值的散点图
%matlab program
clc;clear
x1=[133.02 73 180 80 125 125 81.1 90];
x2=[129.63 73 180 80 125 125 81.1 90];
x3=[158.77 73 180 80 125 125 81.1 90];
x4=[145.32 73 180 80 125 125 81.1 90];
x5=[120 78.596 180 80 125 125 81.1 90];
x6=[120 75.45 180 80 125 125 81.1 90];
x7=[120 90.487 180 80 125 125 81.1 90];
x8=[120 83.848 180 80 125 125 81.1 90];
y=[165.81 140.13 145.14 118.63 135.37 160.76 140.13 135.37]; X=[ones(length(y),1),x1',x2',x3',x4',x5',x6',x7',x8'];
Y=y';
[b,bint,r,rint,stats]=regress(Y,X);
b,bint,stats
输出结果：
b =
118.5876
0.6551
-1.1000
0.6268
bint =
67.5884 169.5868
0 0
0 0
-0.3767 1.6869
0 0
0 0
-4.2165 2.0165
-2.2634 3.5170
0 0
stats =
0.5478 1.6150 0.3196 177.0739
因此我们可得：=118.5942, 的置信区间（67.5884,169.5868）；
= 0 ，的置信区间（0,0）；
= 0 ，的置信区间（0,0）；
= 0.6551 ，的置信区间（-0.3767 ,1.6869）；
=0 ，的置信区间（0,0）;
=0 ，的置信区间（0,0）;
=-1.1000 ，的置信区间（-4.2165 ,2.0165）;
=0.6268 ，的置信区间（-2.2634 ,3.5170）;
=0 ，的置信区间（0,0）.
=0.5478,F=1.6150,p=0.3196
回归模型
y1=118.5876+0+0+0.6551x3+0+0-1.1x6+0.6268x7+0成立
f unction [ beta ,R2 ,p ] = jm041
A = [ . . . ] ; [m ,n ] = size (B) ; st = [ ] ; y = [ ] ;for k = 1 :n [ Y,t1 ,t2 ,t3 ,t4 ]
= regress (B ( : ,k) ,[ones (m ,1) ,A ]) ; st = [ st ;t4 ] ; y = [ y ,Y] ;end
beta = y ;R2 = st ( : ,1) ;p = st ( : ,3) ;
%matlab program
%using least square method
clc;clear
x1=[133.02 129.63 158.77 145.32 120 120];
x2=[73 73 73 73 78.596 75.45];
x3=[180 180 180 180 180 180];
x4=[80 80 80 80 80 80];
x5=[125 125 125 125 125 125];
x6=[125 125 125 125 125 125];
x7=[81.1 81.1 81.1 81.1 81.1 81.1];
x8=[90 90 90 90 90 90 90 90];
y=[165.81 165.51 167.93 166.79 164.94 164.8];
X=[ones(length(y),1),x1',x2',x3',x4',x5',x6',x7’,x8’]; Y=y';
[b,bint,r,rint,stats]=regress(Y,X);
b,bint,stats
b =
0.0828
0.0398
0.8437
bint =
0 0
0.0806 0.0850
0.0254 0.0543
0.8365 0.8509
0 0
0 0
0 0
stats =
1.0e+04 *
0.0001 1.1778 0.0000 0.0000 在Matlab命令窗口输入
rcoplot(r,rint)
得如下图：
1
2
345
6
-0.06
-0.04
-0.02
0.02
0.04
Residual Case Order Plot
R e s i d u a l s
Case Number
model
!The three problem; SETS :
power/1,2,3,4,5,6,7,8/:V,P0; price/1,2,3,4,5,6,7,8,9,10/; LINK(power,price):K,C,B;
!V 是机组爬坡速度，B 为机组段价，p0为初始出力价，K 为段容量使用率,C 为段容量; ENDSETS DATA :
C=[70 0 50 0 0 30 0 0 0 40 30 0 20 8 15 6 2 0 0 8
110 0 40 0 30 0 20 40 0 40 55 5 10 10 10 10 15 0 0 1 75 5 15 0 15 15 0 10 10 10 95 0 10 20 0 15 10 20 0 10 50 15 5 15 10 10 5 10 3 2 70 0 20 0 20 0 20 10 15 5];
B=[-505 0 124 168 210 252 312 330 363 489 -560 0 182 203 245 300 320 360 410 495
-610 0 152 189 233 258 308 356 415 500 -500 150 170 200 255 302 325 380 435 800 -590 0 116 146 188 215 250 310 396 510 -607 0 159 173 205 252 305 380 405 520 -500 120 180 251 260 306 315 335 348 548 -800 153 183 233 253 283 303 318 400 800];
P0=[120 73 180 80 125 125 81.1 90];
V=[2.2 1 3.2 1.3 1.8 2 1.4 1.8];
ENDDATA
MIN=@SUM(LINK(I,J):C(I,J)*K(I,J)*B(I,J));
@SUM(POWER(I):(@SUM(PERPRICE(J):C(I,J)*K(I,J))))=982.4;
@FOR(POWER(I):@SUM(PERPRICE(J):K(I,J)*C(I,J))-P0(I)>=-15*V(I));
@FOR(POWER(I):@SUM(PERPRICE(J):K(I,J)*C(I,J))-P0(I)<=15*V(I));
@FOR(LINK(I,J):@BND(0,K(I,J),1));
End。