0

我正在分析来自太阳能发电厂的数据。我想在以后的每一天每小时调整估计的生产工厂，可以得到的数据是未来三天的天气预报，这样你就知道明天会是什么日子（1到5，1晴天和 5 天多云）。

所以想法是将容量乘以一个因子，所以这是对将发生的情况的估计，不会偏离实际测量。

我想通过使用一天的变量类型作为一个因素来建立一个线性模型。可能是近似真实生产的最佳方式。

今天的标准是：

  • 日型1，生产能力*1
  • 日型2，生产能力*0.7
  • 日型3，生产能力*0.4
  • 日型4，生产能力*0.15
  • 日型5，生产能力*0

我对这些系数进行了研究，工厂的产量被低估了，这意味着实际上产生了更多的能量，几乎 50%。使用 excel 的求解器找到我得到的系数：

  • 1.6
  • 1.2
  • 0.9
  • 0.65
  • 0.5

麻烦的是，这仅适用于这种特殊的数据情况，我无法一概而论，因为我想制作模型）。

数据

这是我申请的：

data <-read.table ("zcinco.txt", dec = ",", header = TRUE)
head (data)

model <- lm (data [-1.2] ~ embed (data [, 2], 2) [, 2] + as.factor (data [-1.3]) + data [1, 4])

head (cbind (matrix (predict (model)), data [-1.2]))
summary (model)






 Call:
lm(formula = data[-1, 2] ~ embed(data[, 2], 2)[, 2] + as.factor(data[-1, 
    3]) + data[-1, 4])

Residuals:
      Min        1Q    Median        3Q       Max 
-0.054966 -0.009518 -0.000855  0.010966  0.039100 

Coefficients:
                           Estimate Std. Error t value Pr(>|t|)    
(Intercept)               2.528e-06  1.456e-03   0.002   0.9986    
embed(data[, 2], 2)[, 2]  3.870e-01  2.969e-02  13.036  < 2e-16 ***
as.factor(data[-1, 3])2  -2.630e-03  1.407e-03  -1.869   0.0621 .  
as.factor(data[-1, 3])3   1.690e-03  2.371e-03   0.713   0.4762    
as.factor(data[-1, 3])4  -1.855e-02  2.251e-03  -8.241 1.07e-15 ***
as.factor(data[-1, 3])5  -1.790e-02  2.660e-03  -6.727 4.06e-11 ***
data[-1, 4]               8.930e-01  4.823e-02  18.517  < 2e-16 ***
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 

Residual standard error: 0.01482 on 600 degrees of freedom
Multiple R-squared: 0.795,  Adjusted R-squared: 0.793 
F-statistic: 387.9 on 6 and 600 DF,  p-value: < 2.2e-16

基地说明。

tiempo / 真实 / Tipo / capacidad

  • Tiempo：表示进行观察的时间。
  • 实际测量表明实际的能源生产。
  • Tipo：表示观察日的类型（1 到 5）。
  • Capacidad：计划估计产能的百分比
4

1 回答 1

1

我会建议这样的事情：

m2 <- lm(data[-1, 2] ~ embed(data[, 2], 2)[, 2]:as.factor(data[-1, 3]) + data[-1, 4])

尽管我不确定您为什么忽略第一行以及嵌入用法。

于 2013-04-02T17:28:52.447 回答