灰参数GM(1,1)模型及其在电力负荷预测中的应用

传统的GM(1,1)模型在参数a的绝对值较小的情况下近期负荷预测精度较高,远期负荷预测往往误差较大,这一定程度上是由于参数a在整个预测过程中保持不变而造成的。本文将参数a看作是具有灰色特性的灰参数,提出了灰参数GM(1,1)模型,并将该模型运用于中长期电力负荷预测的实例中,取得了较好的结果。     

基于GM(1，1)与BP神经网络的综合负荷预测

针对电力负荷预测中的单一预测模型存在的局限性,提出基于BP神经网络和GM(1,1)的残差修正组合模型。通过算法组合的方式进行系统建模,从而提高负荷预测模型的精度。首先通过GM(1,1)模型进行预测,得到灰色残差序列,利用灰色残差序列建立BP残差修正模型,利用该模型进行残差预测,最后将残差修正值和GM(1,1)模型预测值进行叠加得到最终所需的负荷预测值。利用该模型对某地区进行仿真实验,结果表明该修正模型具有较高的预测精度和实用性。     

基于改进灰色模型的中长期电力负荷预测

针对电力系统负荷预测中灰色建模的局限性,通过对灰色预测方法的大量研究,提出了一种能改进灰色预测的方法。对负荷原始数据序列,再利用滑动平均法进行预处理及优化,从而增强灰色预测对波动负荷数据序列的抗干扰能力。利用改进的GM(1,1)模型对电力系统中长期负荷进行预测,并采用后验差检验法对GM(1,1)模型进行检验。理论分析和实例结果表明,改进后的模型提高了普通GM(1,1)模型的预测精度,扩展了该模型的适用范围。     

基于灰色理论负荷预测的应用研究

灰色预测系统GM(1,1)模型用于负荷按指数增长态势变化时,预测精度较高,但当影响负荷的因素较多、模型灰度较大时,精确度就不够理想。在分析灰色负荷预测模型GM(1,1)的基础上,对模型中的α参数和负荷预测差值建立了修正模型,进而修正负荷预测值,使预测精度得以提高。通过算例进行验证,说明了灰色GM(1,1)模型在某些情况下精度不高的原因,通过修正使预测精度得到较大的提高。     

电能计量装置健康度的综合评估与趋势预测方法

为有效解决电能计量装置的计划检修任务重、重复检测、针对性不强等问题,提出了一种电力计量装置健康度的综合评估方法以及电能计量装置健康度的趋势预测方法,为电能计量装置的状态在线检修优化提供辅助决策。首先,从电能计量装置的运行状态、配置方式以及运行工况等方面,提出了一种电能计量装置的健康度综合评价指标体系。并采用序关系分析法求取电能计量装置综合评估指标的赋权值,从而实现电能计量装置健康度的综合评价。其次,基于电能计量装置的综合评估结论,提出了一种基于灰色GM(1,1)模型的电能计量装置健康度预测方法,并通过天津市电力公司的实际运行进行案例验证。健康度评价和预测的结果可对电能计量装置的现场状态检修进行有效指导,并能及时发现电能计量装置的运行隐患,为电能计量装置状态检修策略优化提供理论依据。     

基于灰色模型GM(1,1)的短期负荷预测方法简介

电力负荷系统是典型的灰色系统,电力负荷特性指标的预测具有直接的经济意义.灰色GM(1,1)模型在电力系统负荷预测领域中得到了广泛的应用.通过时GM(1,1)模型做一些改进形成等维新息模型和基于边值条件修正的GM(1,1).实例证明,改进的模型大大降低了预测误差,预测精确度满足了用户的要求.     

基于灰色理论的中长期负荷预测

对负荷预测中的灰色预测方法进行了深入的研究,找出了灰色建模的局限性并提出了改进方法.通过对负荷原始数据序列的预处理及优化,增强了灰色预测对波动负荷数据序列的处理能力,利用等维新息递推GM(1,1)模型进行预测,保证了预测能够较为充分地利用新信息.经过改进之后的模型,扩展了普通GM(1,1)模型的适应范围,提高了预测精度.利用实例将改进模型与普通GM(1,1)模型进行比较,证明改进模型具有比普通GM(1,1)模型误差小、精度高的优点.     

基于最小一乘法的GM(1,1)模型及在负荷预测中的应用

为克服传统GM(1,1)模型中利用最小二乘法估计参数存在的不足,改善GM(1,1)模型在有突变情况下的中长期负荷预测中的精度,提出了利用最小一乘法估计GM(1,1)模型参数的方法.在GM(1,1)建模过程中,以误差绝对值之和最小为优化目标,针对目标函数不可导的特点,利用线性规划对模型的参数进行估计.对某中长期负荷进行预测,并与传统的GM(1,1)模型进行对比分析.结果表明,所提方法预测精度更高.该方法发挥了最小一乘法受奇异值影响小,稳健性好的优点,避免了利用最小二乘法估计GM(1,1)模型参数存在的不足,是有突变情况下的中长期负荷预测的有效方法.     

应用GM(1,1)模型预测电力系统负荷

以秦皇岛地区历年负荷数据为依据,将电力系统负荷预测作为灰色系统进行预测,研究指数加权GM(1,1)模型在电力系统负荷预测中的实际应用情况,结果表明,利用该模型能得到较好的预测结果.     

基于灰关联加权组合模型的电力负荷预测研究

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。     

基于灰色马尔柯夫模型的电力系统负荷预测

在负荷预测中.对具有随机波动性质的历史数据通常采用指数加权、滑动平均、20%修匀等方法对其进行处理得到较为平滑的数据列.以期在应用数学模型进行预测时得到更为准确的结果.应用这些方法时需要对部分"不合群"数据进行判定并处理.文章采用的灰色马尔柯夫模型结合了GM(1,1)模型和马尔柯夫概率预测模型的优点,可对具有随机波动性质的负荷数据作出相对准确的预测,避免在信息不足时囡对历史数据作出不合理的判定和处理而带来的预测误差.     

基于灰色神经网络的发射塔架疲劳裂纹扩展预测

基于灰色系统和神经网络理论,建立了预测疲劳裂纹的灰色神经网络模型,并应用此模型预测了某发射塔架钢结构连接件的疲劳裂纹扩展情况,得到了较高精度的预测结果,为疲劳裂纹预测提供了一种简单、可靠和实用的新方法;同时也为大型结构的寿命预测提供了可靠的基础。     

蚁群灰色神经网络组合模型在电力负荷预测中的应用

灰色GM(1,1)预测模型,在负荷预测中得到了广泛应用,但是也有其局限性.当数据灰度越大,预测精度越差,并且不太适合经济长期后推若干年的预测,在一定程度上是由模型中的参数造成的,为此引入向量,建立蚁群灰色模型,然后与神经网络模型相组合,即建立蚁群灰色神经网络组合预测模型.实证分析表明,该预测方法是合理有效的,与传统的预测方法相比,提高了预测精度,具有较好的实用价值.     

Li(Ni1/3Co1/3Mn1/3)1-ySnyO2材料的合成及性能研究

采用碳酸盐共沉淀法制备Li(Ni1/3Co1/3Mn1/3)1-ySnyO2(y=0,0.01,0.02,0.05,0.10)。通过XRD、SEM测试对其晶型结构、组织形貌进行了分析,交流阻抗法(AC)和充放电性能测试对其电化学性能进行了研究。实验表明,制备的样品均具有较好的层状结构,其中Li(Ni1/3Co1/3Mn1/3)0.98Sn0.02O2性能最佳,以0.5C循环充放电时,首次放电比容量达到173.31mAh/g,30次循环后,放电比容量为149.55mAh/g,容量保持率为86.29%。     

前驱体制备条件对LiNi1/3Co1/3Mn1/3O2的影响

采用共沉淀法制备前驱体Ni1/3Co1/3Mn1/3(OH)2,考察了pH值、温度和搅拌速度等对锂离子电池正极材料LiNi1/3Co1/3Mn1/3O2的影响.采用电化学性能测试、能谱分析、XRD和SEM等方法对LiNi1/3Co1/3Mn1/3O2进行了分析.制备前驱体的最佳工艺条件为pH值12.5,温度50℃,搅拌速度1000r/min.此条件制得的前驱体粒度均匀、大小适中,为非晶态,n(Ni):n(Co):n(Mn)=1.00:1.03:1.01.制备的正极材料LiNi1/3Co1/3Mn1/3O2的首次放电比容量为158.4mAh/g,0.1C循环10次后的放电比容量为151.7mAh/g,容量损失率为4.2%,具有较好的循环性能.     

煅烧温度和补锂量对LiNi_(1/3)Co_(1/3)Mn_(1/3)O_2的影响

用化学共沉淀法制备前驱体Ni1/3Mn1/3Co1/3(OH)2,通过高温固相法制备了正极材料Li Ni1/3Co1/3Mn1/3O2。用XRD、SEM、电化学性能测试和电化学阻抗谱分析了煅烧温度和补锂量的影响。样品具有完整的α-NaFeO2层状结构。n(Li)∶n(Ni+Co+Mn)=1.12∶1.00、在840℃下煅烧12 h所得样品,在4.30～2.75 V的0.2C首次可逆放电比容量为154.50mAh/g,第20次循环的容量保持率为92%。     

LiNi1/3Co1/3Mn1/3O2的蔗糖改性研究

首次采用一种固相自引发基团置换反应法制备了蔗糖改性的LiNi1/3Co1/3Mn1/3O2材料.采用X射线衍射(XRD)、场发射扫描电镜(SEM)技术对产物的结构和形貌进行了表征,同时对其电化学性能进行了检测.结果表明,在前驱体中加入少量的蔗糖可以有效改善LiNi1/3Co1/3Mn1/3O2材料的微观结构和电化学性能.在3～4.3 V的充放电电压区间内.添加质量分数3%蔗糖所制备的LiNi1/3Co1/3Mn1/3O2材料显示出最高的初始放电比容量0.1 C达到183 mAh/g.     

LiNi1/3Co1/3Mn1/3O2的制备及电化学性能

首次采用流变相反应法合成了锂镍钴锰复合氧化物LiNi1/3Co1/3Mn1/3O2.考察了Li/(Ni+Co+Mn)比值、焙烧温度和焙烧时间对其电化学性能的影响.在此基础上成功的合成了LiNi1/3Co1/3Mn1/3O2样品,X射线试验结果发现,预焙烧得到的前驱体具有和LiNi1/3Co1/3Mn1/3O2相似的结构.扫描电子显微镜法(SEM)显示,其粒径小于1μm.充放电结果显示,当电流密度为0.20 mA/cm2时,在3.0～4.4 V区间内,其首次放电比容量达到146.30 mAh/g,循环20次后,仍能保持在136.00 mAh/g.     

合成方法对LiNi1/3Co1/3Mn1/3O2性能的影响

采用高温固相法、溶胶-凝胶法和碳酸盐共沉淀法分别制备了锂离子电池层状正极材料LiNi1/3Co1/3Mn1/3O2.采用XRD、SEM、粒径分布和充放电实验,对产物的结构和性能进行了分析.结果表明,合成方法和工艺条件的不同导致了样品晶相结构、表现形貌、粒径分布及电化学性能上的差异.碳酸盐共沉淀法制备的LiNi1/3Co1/3Mn1/3O2样品的电化学性能较好,在2.5～4.6V、0.1C倍率下,首次放电比容量为190.29mAh/g,显示了较好的循环稳定性.     

层状LiNi1/3Co1/3Mn1/3O2正极材料合成及电化学性能

首次提出以碳酸盐为沉淀剂,采用共沉淀法制备Ni1/3Co1/3Mn1/3CO3前驱体,再和锂源混合高温固相合成了锂离子蓄电池层状LiNi1/3Co1/3Mn1/3O2正极材料。采用X射线衍射(XRD)和电子扫描电镜(SEM)对Ni1/3Co1/3Mn1/3CO3前驱体和LiNi1/3Co1/3Mn1/3O2正极材料的结构及形貌进行了表征,SEM测试表明LiNi1/3Co1/3Mn1/3O2的形貌近似为球形,且颗粒分布均匀。并对其进行了充放电性能和循环伏安研究,实验结果表明:LiNi1/3Co1/3Mn1/3O2在25℃、2.5"4.6V电压范围,0.1C倍率下,首次放电比容量达182.97mAh/g。