基于数值分析的改进GM(1,1)负荷预测模型研究

针对传统GM(1,1)模型进行负荷预测存在的不足,采用数值分析算法求解GM(1,1)模型中的参数,直接建立灰微分白化响应方程,构建了一种基于数值分析的GM(1,1)改进负荷预测模型,并以山西省大同市10条10 kV配电线路为例,对模型进行了验证.实例结果表明,改进模型克服了差分方程与微分方程结合所造成的模型误差,预测精...     

IGM(1,1)幂模型在中长期负荷预测中的应用

针对GM(1,1)幂模型的固有缺陷,通过优化灰导数构建了IGM(1,1)幂模型,指出该模型可对呈S型曲线增长或增长处于饱和阶段的中长期负荷数据及增长型负荷数据建模,选取不同参数,可将GM(1,1)幂模型转换为GM(1,1)、verhulst及Gompertz模型,并采用不同测试数据及电网实际负荷数据验证,结果表明,该模型适用性广、精度高.     

基于最小二乘组合灰色模型的中长期电力负荷预测

电力负荷预测是实现电力系统管理现代化的重要内容,有效的中长期电力负荷预测可为电网运行方式、电源建设规划等提供可靠的决策依据。针对中长期电力负荷预测,综合考虑负荷的历史数据和未来可能走势,在对三种灰色预测模型分析的基础上,以其预测值为解释变量,实际负荷值为被解释变量,通过最小二乘法建立多元回归方程,并通过计量经济检验,以此构造了负荷预测组合模型。将该模型应用于北京市年用电量预测中,结果表明所构造模型具有较高的预测精度,有效可行。     

基于改进的GM(1,1)模型的南京市用水量预测

运用传统的和改进光滑度后的GM(1,1)模型分别对南京市年用水量进行建模预测.改进的GM(1,1)模型先对原始数据进行线性变换,再对变换后的数据应用GM(1,1)模型进行预测,有效提高了模型的拟合精度和预测精度.1998～2006年南京市用水量的建模结果分析表明,改进后的GM(1,1)模型预测用水量时拟合效果更好;2007～2009年用水量资料验证亦表明改进后的模型预测精度更高.     

基于DGM(1,1)与DNGM(1,1)模型评估能源消耗趋势

灰色预测模型适用于不确定性系统,它的离散模型DGM(1,1模型和DNGM(1,1)模型都被认为是通用的时间序列预测模型,且都能实现对齐次指数序列的无偏模拟。分别利用DGM(1,1)模型和DNGM(1,1)模型对中国能源消耗总量统计数据进行建模,通过比较2种模型对数据的模拟精度,发现DNGM(1,1)模型预测效果更好。最后,利用DNGM(1,1)模型预测到中国2022年、2023年的能源消耗总量分别为5.064 457 522×10⁹t,5.137 593 946×10⁹t。比较了中国一次能源生产总量与能源消耗总量的增长速度,从可持续发展的角度分析了一次能源生产与能源消耗的关系。     

基于GM(1,1)模型的生物质材料产生量预测

随着农业发展进程的加快,生物质材料产生量呈现逐年上升趋势。为了能够科学有效的实现资源二次利用,本文以哈尔滨市为例,基于2016-2020年三大农作物播种面积数据对生物质材料产生量进行估算,通过GM(1,1)模型对2021-2025年的生物质材料产生量进行短期预测,采用灰色建模软件V6.0进行统计分析,得出2021年的生物质材料产生量预测值为333.881 0万t,是2016年的1.32倍,2021年的播种面积为3 055.96万亩,经公式换算后得出实际生物质材料产生量为345.384 3万t,平均相对误差为3.0%。结果表明,采用GM(1,1)预测模型能够很精确的预测哈尔滨市中短期内的生物质材料产生量。该预测方法既可以为秸秆能源化提供思路,也同样适用于以秸秆为主要生物质材料的城市的产生量预测。     

系统优化的GM(1,1)模型在大坝位移预测中的应用

针对传统灰色GM(1,1)模型的缺陷,以陈村大坝为例,根据最小二乘原理提出了以GM(1,1)的一次累加生成建模序列所有分量的拟合误差平方和最小为约束条件,求得新灰色GM(1,1)预测模型的最优初始值,改进了原GM(1,1)模型的背景值及灰度值,并与传统GM(1,1)模型做了比较.数值仿真结果表明,新模型精度较高,预测效...     

基于多源数据的自适应电力负荷预测方法

为满足电力规划部门的实际需求,并充分利用海量开源数据,提出一种基于开源大数据,自主整理数据并自适应选择预测模型的电力负荷预测方法,该方法通过收集海量数据并归类,筛选得到多个与负荷预测强相关的数据源,并提出自适应负荷预测模型,该模型应用灰色预测函数、弹性系数预测函数、人均用电量预测函数、人工神经网络预测函数等多种数学方法,且可以根据数据来源进行相应拓展,并采用四种评价指标对多源预测结果进行修正。实例应用结果表明,该方法可以提高预测精度,工程实用价值较大。     

改进的GM(1,1)模型在西安市用水量预测中的应用

针对近年来西安市用水量变化的特点,采用改进的GM(1,1)模型用于用水量预测,并与传统的GM(1,1)预测模型进行了比较.结果表明,改进的GM(1,1)模型可取得较好的预测结果.     

基于GM(1,1)模型预测柴油机润滑油金属元素含量的变化趋势

利用灰色系统GM(1,1)预测模型对柴油机润滑油中的金属元素进行趋势预测,首先利用元素历史数据建立动态微分方程,然后基于该微分方程预测元素的变化趋势,为润滑油性能分析和故障定位提供参考。通过对某型柴油机润滑油的监测实例,结果表明该预测方法具有数据量小、计算简单、预测准确的特点。     

短期电力负荷预测的GM(1,1)模型群方法及应用

针对灰色GM（1，1）模型用于电力短期负荷预测不能有效反映负荷周期性变化及精度不高的问题，提出了GM（1，1）模型群方法。该方法通过分时段（时、天）单独建模，利用一群GM（1，1）模型进行预测，有效提高了预测精度并很好地反映了负荷的周期性变化。该方法克服了使用GM（1，1）模型不能很好体现实际负荷过程的局限，具有较高的实用价值，拓宽了GM（1，1）模型用于电力负荷预测的范围。     

基于小波分析改进的神经网络模型 电力系统负荷预测

建立了模糊决策模型分析所给历史负荷数据的关联度,以提取对预测有贡献的有用数据,除去"坏数据",即对原始数据进行预处理。建立了神经网络模型,并结合小波分析和神经网络的优势建立改进小波神经网络的结构模型,预测出待测日96个时间点的电力负荷值。通过准确度分析,验证了模型的合理性。进而将所建模型应用于某地区进行负荷预测,并且对该地区的负荷特点及规律性进行了讨论。     

基于体感温度的电力系统负荷分类及负荷预测

针对体感温度与负荷之间的变化关系进行了深入研究,研究表明体感温度在不同范围内变化时将对地区负荷影响表现出截然不同特征。将负荷分为对体感温度敏感和不敏感2种类别,并提出2种负荷预测方法。2种负荷预测方法均以径向基神经网络为基础,并针对不同类型待预测负荷采取差异化样本选取和处理方法,有效提高了该负荷预测模型适用性和负荷预测精度。将该方法运用到某市总负荷预测中,预测结果表明该方法具有较高精度和较好实用性,是一种有效的短期负荷预测新方法。     

基于改进型蚁狮混合优化系统模型负荷可调节能力预测

为解决传统灰色模型在电力负荷预测应用中存在的问题,文章研究一种电力负荷可调节能力预测模型的性能提升方法.所提方法在传统灰色模型和改进蚁狮优化算法的基础上,结合灰色关联分析方法和动态滚动机制,提出一种改进型蚁狮混合优化灰色预测模型.为验证模型效果,文章采用北京某台区用电负荷可调节量模拟数据建模,并同4种预测模型的结果进行...     

基于新陈代谢无偏灰色神经网络的水质预测模型

针对水质参数样本数据少且非线性的特点,建立了新陈代谢无偏GM(1,1)与BP神经网络的组合预测模型,将通过新陈代谢无偏GM(1, 1)模型得到的数据集作为BP神经网络的输入,原始序列作为神经网络的期望输出,训练得到最佳BP神经网络。将该组合模型应用于乐山岷江大桥断面溶解氧浓度的预测,结果表明,相对误差均在3%以下,与传统灰色神经网络水质预测模型相比,该模型具有实时性及预测精度更高的优点。     

电力负荷灰色预测模型及性能分析（英）

本文将灰色模型GM（1,1）应用于电力负荷预测中,并对GM（1,1）模型的混沌特性进行了研究,指出了GM（1,1）模型的适用范围．     

电力系统短期负荷综合预测模型研究

在分析包括气象因素在内的多种因素影响的基础上，建立了考虑日特征负荷，日基本负荷，随机负荷及特殊事件负荷的电力系统短期负荷综合预测模型，并用华中电网一年实测负荷数据作仿真计算。结果表明，该方法与传统的预测方法相比精度更高，计算速度更快。