灰色模型GM(1,1)及其改进模型在短期特殊日电力负荷预测中的应用

讨论了灰色模型GM (1 ,1 )及其改进模型在短期电力负荷预测中的应用 ,采用ARI MA(p ,d ,q)模型与GM(1 ,1 )改进模型对特殊日电力负荷进行组合预测 ,提出了适合电网特殊日电力负荷预测的数据处理方法 ,提高了预测的精度 .准确度可达 95 %以上 ,解决了每日2 4点正点采样情况下预测精度较低的问题 .     

农村电网规划中负荷总量预测的研究

根据农网负荷的特点,构造了中期负荷预测的流程图,考虑采用确定性预测方法中的多元线性回归模型(或逐步回归模型)和不确定性预测方法中的灰色模型来进行预测,然后进行综合分析,得到负荷序列的最终预测结果.     

无偏灰色模型在电力负荷预测中的应用

为了提高电力负荷预测的准确度,应用无偏灰色预测模型对电网用电量进行了预测,在对无偏灰色模型特性进行了分析的基础上,与传统灰色预测模型进行了对比．理论分析和实例计算均表明,在指数趋势时间序列条件下无偏灰色预测模型较传统灰色预测模型性能优越,相对误差可降低到1％以内,适合在电力负荷预报中推广应用．     

灰色模型在中长期电力负荷预测中的应用

利用灰色预测法对某市近几年的实际历史负荷数据进行建模,结合回归分析法预测出近几年的负荷值,通过与过去原始历史数据进行对比,从平均相对误差的大小和后验差值检验方面说明灰色理论模型在中长期电力负荷预测中的优越性.     

灰色GM(1，1)模型在电力系统负荷预测中的应用

研究了灰色 GM(1,1)模型及其在电力系统负荷预测中的应用,以实际算例为基础,对预测结果作了分析,得出结论：灰色 GM(1,1)模型精度较高,但也存在一定的局限性．     

基于社会经济指标影响的电力系统月度负荷组合预测模型

电力负荷受到多种因素影响,用负荷历史数据进行负荷预测结果往往不准确.考虑社会经济指标的影响,采用无偏灰色预测模型与偏最小二乘模型相结合的方法对月度电力负荷进行预测.首先通过无偏灰色理论的方法预测各社会经济指标,然后针对社会经济指标与电力月度负荷的变化特点进行偏最小二乘建模.最后拟合出负荷与各指标之间的线性关系式.实例证明,该组合预测模型具有较高精度.     

基于灰色新预测模式的变压器故障预测

从初始条件选择、背景值改造等方面对原有灰色模型进行了改进,并建立了新的改进非等间隔灰色预测模型,最后应用模型群优选预测法获得较好的结果。通过实例验证表明模型与一般的非等间隔灰色模型相比具有更高的预测精度。提出基于此新方法还可以建立变压器故障预测系统,客户可以通过本系统来预测短期的未来变压器各类特征量及可能存在的故障类型。     

基于统计理论的负荷特性分析及其预测

电力负荷受气象因素影响越来越大,如何准确确定气象因素是负荷预测研究的重要课题.首先采用统计学方法对影响负荷的气象因素进行分析,找到影响负荷的核心气象因索,再利用GRNN回归神经网络进行预测.经实际系统检验,证明该方法克服了传统气象负荷预测中的主观性,将气象影响因素过程量化,提高了预测结果的精度,是一种适用性很强的方法.     

基于逐步回归和灰色系统理论的紫外线预报方法

为了确定对紫外线预报的有效方法,在现有紫外线观测数据基础上。使用逐步回归方法和灰色系统理论分别建立预测模型,并对两种模型的结果进行拟合分析和比较。结果表明,灰色预测方法同样具有较高的准确度,比较简单,计算量少,而逐步回归方法效果稳定,两种预报方法在对紫外线预报中都有很高的价值。     

动态新息GM(1,1)在卫星电池阵功率预测中的应用

根据观测到的历史数据对卫星理发池阵输出功率的未来值进行预测，可实现对电池阵性能劣化的早期预报。灰色预测方法的GM(1，1)模型只适合对单调递增或递减时间序列进行预测，针对卫星电池阵输出功率具有波动变化的趋势特征，采用实时在线的方法，建立了动态新息GM(1，1)预测模型，经实例预测验证，动态新息GM（1，1）模型可明显地提高预测精度，并且能对电池阵输出功率的波动变化趋势正确预测。该建模方法对其他非单调时间序列的工程预测也具有参考价值。     

灰色GM(1.1)模型及其在电力负荷预测中的优化应用

针对传统灰色模型的建模机理和存在的局限性,提出了改进方法,建立了新的电力负荷预测模型.通过实例计算表明,该模型具有良好的适用性和预性精度.     

灰色与周期残差叠加模型及其在地下水动态预测中的应用

为了正确地评价地下水资源和预测矿坑涌水量,必须摸清地下水系统的发展规律,掌握其动态。本文建立了灰色与周期残差叠加模型,并运用模型预测了地下水的变化动态。     

基于神经网络校正的电力负荷灰色预测

针对电力负荷预测残差序列具有复杂的非线性状态的特点,运用神经网络模型,对电力负荷的灰色预测残差进行校正;同时对神经网络隐含层的神经元个数进行调整,使得网络模型结构优化,模型参数确定更为合理,进一步提高了预测精度。     

改进粒子群算法在中长期电力负荷组合预测模型中的应用

为提高电力负荷预测的精度,提出了基于改进粒子群算法的电力负荷组合预测模型求解方法.该方法以回归分析、比例系数、灰色模型为基础建立负荷组合预测模型,利用改进粒子群算法优化组合预测模型的权值,并与单个预测模型进行比较.预测结果表明,基于改进粒子群算法的电力负荷组合预测模型运算速度快,预测精度高,相对误差小.     

基于粒子群算法和BP神经网络改进的灰色电力负荷预测研究

灰色预测模型被广泛运用于电力负荷预测中,取得了较好的效果,但是灰色预测模型在实际应用中的缺点和局限性导致其预测精度有待提高,存在改进的必要。本文对于灰色预测模型的改进,分别从优化初值和改进模型等方面进行,从而提高普通灰色GM（1,1）模型的预测精度。对初值的处理可以削弱异常值的影响,强化趋势,从而避免由于初值选择不当而造成预测误差。本文中对模型的改进主要通过建立等维新息预测模型、灰色粒子群组合预测模型和灰色BP神经网络组合预测模型来实现。通过这些对灰色预测模型的修正和改进,进一步提高了灰色预测模型的适用性．最大限唐妯提高了灰乍．GM（1,1）模型的预测精唐．     

灰色马尔可夫链在预测高温后钢筋强度退化中的应用

灰色预测模型可以在基础资料缺乏的条件下建立模型进行预测,但对于波动性较大的数据,它的预测精度比较低,而马尔可夫链模型可以克服数据波动较大的局限性.在灰色预测的基础上,引入马尔可夫链预测,建立起了灰色马尔可夫预测模型,并且针对高温后钢筋强度退化的试验数据进行了实证分析.证明了利用灰色马尔可夫链对高温后钢筋强度退化随时进行预测,是一种行之有效的新方法.     

电力系统负荷预测的可调灰色模型及其应用

本文对电力系统负荷预测的普通灰色模型进行了可调性改进,成为可调灰色预测模型,减少了建模的限制条件,应用范围更加广泛,可以控制、调整预测结果,使精度提高。文中对江苏省无锡市电力负荷使用四种预测方法比较,从理论和应用两方面证实了可调灰色模型明显的实用性。     

灰色预测中的样本合适长度及残差周期模型

中将灰色理论应用干电力负荷预测，设计了等维新息模型，并根据实际数据说明了样本的合适长度．针对原始数据波动情况，提出了残差周期模型以提高预测精度。     

基于改进的模态分解和组合预测模型的短期负荷预测

短期负荷预测是电网调度计划重要的支撑依据,同时短期负荷预测的预测精度也是电网系统安全稳定运行的基础和前提。文中提出了基于改进的模态分解和组合预测模型(EEMD-组合模型)的预测思想,实现对短期电力负荷的精准预测。首先利用改进的模态分解实现对历史序列分解,挖掘不同频段序列的负荷特性以及与影响因素的关联关系,然后针对不同频段的序列使用不同的预测方法,最终集成整体预测结果,并使用均方根误差和平均相对误差进行测后评价,同时与其他预测模型进行对比。结果表明EEMD-组合模型可以很精准地预测未来负荷变化情况。     

基于灰色Verhulst的网络安全态势感知模型

为了满足对抗性环境中对网络安全监测和预警的需要,提出了一种非等时距灰色Verhulst残差修正的安全态势感知模型.由非等时距的原始采样风险数据序列入手,根据累加序列所呈现出"S"形或反"S"形的摆动特征,选用灰色Verhulst模型或其反函数模型预测出网络未来的风险值,然后基于多级残差对模型的预测精度进行修正,最后应用修正后的新模型得到直观的网络未来安全态势曲线图.经过试验示例与仿真,表明该模型对网络安全态势的感知能够达到令人满意的拟合精度,具有实用价值.