共查询到19条相似文献,搜索用时 687 毫秒
1.
为解决传统灰色模型和缓冲算子在中长期电力负荷预测应用中存在的问题,提出了变权缓冲灰色模型。该模型将变权缓冲算子与背景值优化灰色模型相结合,实现对原始负荷数据的动态预处理。基于粒子群优化算法,以拟合值与实际值的灰色关联度最大为目标,选择最优缓冲系数,在提高模型精度的同时,使预测结果最大程度地体现原有负荷数据的内在发展趋势,提高拟合和预测的稳定性。为验证模型效果,使用2003—2008年全国全社会用电量数据建模,预测2009—2011年的用电量,预测结果证明了该模型在中长期负荷预测中的有效性和可用性。 相似文献
2.
3.
4.
5.
用电量的灰色-多元回归耦合模型预测 总被引:2,自引:0,他引:2
应用灰色关联分析方法,探讨了江苏省全社会用电需求量与其影响因素的关系,确定了影响用电需求量的主要因素(重工业用电量、地区生产总值、人均收入、固定资产投资总额和基本建设投资).建立了用电需求量与主要影响因素之间的多元线性回归预测模型,经过回归检验,确定了优化的多元线性回归预测模型.用灰色模型拟合该回归模型自变量的历史数据,并预测其未来发展趋势.应用优化回归模型对江苏省2004~2010年全社会用电量进行了预测.结果表明,到2010年,江苏省全社会用电量将达到3661.95亿kW·h,是2004年用电量实际值的2倍. 相似文献
6.
本文运用甘肃省1999年到2005年的数据,建立了以全社会用电量为因变量,GDP为自变量的线性回归模型,并通过灰色系统理论中的GM(1,1)模型,预测出了自变量的年度数据,从而进一步对甘肃省2006年到2010年的全社会用电量进行了预测。 相似文献
7.
8.
9.
10.
灰色神经网络模型GNNM(1,1)在城市年用电量预测中的应用 总被引:4,自引:0,他引:4
针对城市电力系统年用电量增长的特点,将灰色神经网络模型GNNM(1,1)引入城市年用电量预测。GNNM(1,1)模型是把灰色方法与神经网络有机结合起来,对复杂的不确定性问题进行求解所建立的模型。该模型通过建立一个BP网络,来映射GM(1,1)模型的灰色微分方程的解。GNNM(1,1)模型采用BP学习算法,网络经训练收敛后就可进行城市年用电量预测。算例计算表明,与灰色预测方法相比,GNNM(1,1)模型具有更强的适应性和更高的预测精度,适用于城市年用电量预测。 相似文献
11.
准确的负荷预测可以保证电网的安全稳定运行,提高电力系统运行的经济效益,为此,基于灰色理论建立了电力负荷预测模型,并结合陕西省汉中市区电力局某变电站2006年7月的实际负荷讨论了灰色模型在短期负荷预测中的应用,实例计算表明,该模型具有预测精度高、计算过程简单等特点。 相似文献
12.
13.
14.
灰色Verhulst模型在中长期负荷预测中的应用 总被引:21,自引:9,他引:21
灰色系统预测模型用于中长期负荷预测是一种有效的方法。但是,当负荷按照“S”型曲线增长或增长处于饱和阶段时,采用灰色模型进行负荷预测的误差较大,预测精度不能满足实际要求。将灰色Verhulst模型引入到负荷预测中,可以很好地解决这个问题。作者通过典型的实例介绍了灰色Verhulst模型在中长期负荷预测中的应用。结果表明,此模型在负荷预测中是适用的,尤其对于负荷按“S”型曲线增长的情况,不但具有较高的预测精度,同时保留了灰色预测方法的优势和特点。 相似文献
15.
Supply and demand in power system planning and operation is required to be balanced. An operational reserve for protection against faults or accidental demands also is required. Therefore load forecasting is one of the most important fields and various load forecasting methods have been applied. In this paper the grey system theory which mats uncertain information is applied to the long-term load forecasting from three aspects: the point prediction; the interval prediction; and the topological forecasting. In the point prediction, the annual total demand is predicted, in the interval prediction, the annual peak demand is predicted, and in the topological forecasting, the date where a yearly maximum peak demand would occur is predicted. The grey dynamic model (abbreviated as GM model) is adopted as the predicted model. The GM model is a differential equation model which is different from most forecasting models. The GM model is quite powerful when combined with the preliminary transformation called the accumulated generating operation (AGO). This paper proposes a new method for the long-term load-forecasting problems involving uncertainty. The predicted results have been found to be very satisfactory. The grey system theory is a new tool which is very efficient for load forecasting. 相似文献
16.
17.
基于灰关联加权组合模型的电力负荷预测研究 总被引:6,自引:0,他引:6
针对灰色系统理论中的预测模型(简称GM(1,1)模型)不太适于中长期负荷预测的不足,以及由历史负荷数据的不同时段建模形成预测灰区间的特点,提出了灰关联加权组合修正方法。从历史负荷与其拟合数值的灰关联度挖掘出负荷发展的“远、近”趋势,对灰区间值进行加权组合,大大提高了GM(1,1)模型的预测精度。使用该方法对某一地区未来几年的负荷预测得到了较为理想的结果,说明该方法对中长期负荷预测非常有效,弥补了GM(1,1)模型在该领域内使用的缺陷,具有一定的理论价值和实际应用价值。 相似文献
18.
基于灰色模型和最小二乘支持向量机的电力短期负荷组合预测 总被引:11,自引:5,他引:6
提出一种联合灰色模型(grey model,GM)和最小二乘支持向量机回归(least square support vector regression,LSSVR)算法的电力短期负荷智能组合预测方法。在考虑负荷日周期性的基础上,通过对历史负荷数据的不同取舍,构建出各种不同的历史负荷数据序列,并对每个历史数据序列分别建立能修正b 参数的GM(1,1)灰色模型进行负荷预测;采用最小二乘支持向量机回归算法对不同灰色模型的预测结果进行非线性组合,以获取最终预测值。该方法在充分利用灰色模型所需原始数据少、建模简单、运算方便等优势的基础上,结合最小二乘支持向量机所具有的泛化能力强、非线性拟合性好、小样本等特性,提高了预测精度。仿真结果验证了所提出组合方法的有效性和实用性。 相似文献
19.
为了提高中长期负荷预测的精度,避免单一的灰色模型预测和指数平滑法预测精度偏低的缺点,提出了基于黄金分割法优选的自适应变权组合预测方法。该方法首先对灰色预测方法和自适应三次指数平滑法进行了改进,以拟合值与实际值之间的相对误差绝对值之和最小为目标,利用黄金分割法优选出自适应三次指数平滑法的平滑系数,确定最优的三次指数平滑模型,然后以同样的方法确定灰色模型和自适应三次指数平滑法的权重。接着,对原始负荷数据进行新陈代谢,重复利用黄金分割法优选出新的平滑系数和各单一方法的权重,即可得到新的变权组合预测模型。仿真结果表明,所提出的自适应变权组合预测方法切实可行,与单一的灰色模型、三次指数平滑法及等权组合预测方法相比,有效地提高了中长期负荷预测的精度。 相似文献