Join 60,000+ competitive exam aspirants
लोड के नियतात्मक भाग (deterministic part) में ट्रेंड टर्म का अनुमान लगाने के लिए निम्नलिखित में से किस समीकरण का उपयोग किया जाता है?
N∑ddσσσ=1N+∑ddσσ=1N∑σσ=1NN∑σ2σ=1N+∑σσ=1N2
N∑ddσσσ=1N+∑ddσσ=1N∑σσ=1NN∑σ2σ=1N+∑σσ=1N2
N∑ddσσσ=1N−∑ddσσ=1N∑σσ=1NN∑σ2σ=1N−∑σσ=1N2
उपरोक्त में से कोई नहीं
N∑ddσσσ=1N-∑ddσσ=1N∑σσ=1NN∑σ2σ=1N-∑σσ=1N2
विद्युत लोड के नियतात्मक भाग को अक्सर dd(σ)=aσ+b समीकरण द्वारा दर्शाए गए रैखिक ट्रेंड के रूप में मॉडल किया जाता है। गुणांक a और b को न्यूनतम वर्ग रिग्रेशन (least squares regression) की विधि का उपयोग करके निर्धारित किया जाता है, जहाँ ढलान a की गणना अवलोकित और अनुमानित मानों के बीच के वर्ग अवशिष्टों के योग को न्यूनतम करने के लिए की जाती है।
विद्युत लोड के नियतात्मक भाग को अक्सर dd(σ)=aσ+b समीकरण द्वारा दर्शाए गए रैखिक ट्रेंड के रूप में मॉडल किया जाता है। गुणांक a और b को न्यूनतम वर्ग रिग्रेशन (least squares regression) की विधि का उपयोग करके निर्धारित किया जाता है, जहाँ ढलान a की गणना अवलोकित और अनुमानित मानों के बीच के वर्ग अवशिष्टों के योग को न्यूनतम करने के लिए की जाती है।
dd(σ)=aσ+b — रैखिक ट्रेंड समीकरण
a=N∑σ2−(∑σ)2N∑(dd(σ)σ)−∑dd(σ)∑σ — नियतात्मक ट्रेंड की ढलान
रैखिक रिग्रेशन में, S=∑[dd(σ)−(aσ+b)]2 को न्यूनतम करने के लिए, हम a और b के संबंध में आंशिक व्युत्पन्न (partial derivatives) लेते हैं और उन्हें शून्य पर सेट करते हैं। परिणामी सामान्य समीकरणों को हल करने पर ढलान a=N∑σ2−(∑σ)2N∑(dd(σ)σ)−∑dd(σ)∑σ प्राप्त होता है। यह लोड डेटा में दीर्घकालिक ट्रेंड के लिए सर्वोत्तम फिट लाइन प्रदान करता है।
नियतात्मक लोड घटक अनुमानित दीर्घकालिक विकास या मौसमी ट्रेंड का प्रतिनिधित्व करता है।
न्यूनतम वर्ग विधि यह सुनिश्चित करती है कि ट्रेंड लाइन में न्यूनतम कुल त्रुटि हो।
हर (denominator) स्वतंत्र चर (समय/सिग्मा) के विचरण का प्रतिनिधित्व करता है।
दीर्घकालिक विकास की गणितीय रूप से सटीक पहचान।
यादृच्छिक लोड उतार-चढ़ाव से शोर (noise) को कम करता है।
ऐतिहासिक डेटा में आउटलेर्स के प्रति संवेदनशील।
रैखिक विकास मानता है जो बहुत लंबी अवधि में मान्य नहीं हो सकता है।
दीर्घकालिक बिजली प्रणाली योजना।
बुनियादी ढांचे में निवेश के लिए चरम मांग का अनुमान।
चर N डेटा बिंदुओं की कुल संख्या को दर्शाता है।
अंश (numerator) लोड और समय के बीच के सह-विचरण (covariance) को दर्शाता है, जिसे N द्वारा स्केल किया गया है।
विकल्प A और B गलत हैं क्योंकि हर में गलत चिन्ह हैं, जिससे विचलन होता है।
C सही है — प्रदान किया गया समीकरण लोड डेटा के नियतात्मक ट्रेंड का अनुमान लगाने के लिए उपयोग की जाने वाली न्यूनतम वर्ग रिग्रेशन विधि के लिए मानक ढलान गणना का प्रतिनिधित्व करता है।
याद रखें कि न्यूनतम वर्ग के माध्यम से किसी भी रैखिक ट्रेंड अनुमान y=mx+c के लिए, हर में x का विचरण शामिल होना चाहिए, जिसमें हमेशा घटाव होता है: N∑x2−(∑x)2।