共查询到20条相似文献,搜索用时 140 毫秒
1.
2.
3.
灰色理论在负荷预测中的应用与分析 总被引:2,自引:0,他引:2
根据各种应用实例分析原始数据量及原始数据的累积加次数对GM(1,1),模型的影响,针对GM(1,1)模型在电力负荷预测中存在的问题,提出利用GM(1,1),模型残差信息建模来缩小预测误差的方法,并指出依据原始数据的不同特点来选择不同的预测模型以期获得更佳的预测结果。 相似文献
4.
一种基于灰色系统理论的中长期需电量预测模型 总被引:10,自引:1,他引:9
深入研究了基于灰色系统理论的中长期需电量预测方法,剖析了灰色预测GM(1,1)模型应用的局限性及其改进方法,根据电力系统中长期需电量预测的特点,将国民经济发展对年用电量的影响加到预测模型中,提出一种基于灰色系统理论的中长期需电量预测方法,并用此方法对山东省多年来的用电量进行试验和对未来十几年的用电量进行预测,结果表明:模型精度较高,预测误差较小,预测结果与国家电力公司的宏观预测值基本吻合。 相似文献
5.
6.
灰色自适应模型及在负荷短期预测中的应用 总被引:2,自引:1,他引:2
本文针对电力负荷变化的非平稳性,首先建立起灰色模型分析用电负荷的趋势项,用灰色模型值与原始数据值进行比较,得出一系列误差值,作为二级数据,进一步应用自回归AR(2)模型对灰色模型产生的误差进行适应性调整。以1991年上海市用电负荷为例,预测二周用电负荷的平均相对误差为1.65%,对于特殊的节假日负荷,根据其自身的特点,本文则采用二元线性拟合模型进行预测,以避免产生大的预测误差。采用本文的系统具有一定自适应性,对于非平稳性的电力负荷具有很好的预测效果。 相似文献
7.
讨论了灰色模型GM(1,1)及灰色差值模型在短期电力负荷预测中的应用,提出了适合普通日电力负荷预测的数据处理方法,提高了短期电力负荷预测的精度。 相似文献
8.
简述了灰色系统理论,利用这一理论建立该系统模型,进行灰色系统法负荷预报,预报内容包括1996、1997年月均用电量、月用电最大电力、月用电平均最大电力,最后对预报结果进行了检验。 相似文献
9.
10.
11.
12.
由于中长期负荷预测历史数据较少,而且受外界因素影响较大,因此选取合理的预测模型十分关键.灰色模型是一种比较好的预测方法,但传统的灰色预测精度不理想,为此,提出了一种改进方法,即通过对原始数据进行开次方处理来降低预测模型的模型系数,对数据进行平滑处理来削弱原始数据中异常值的影响,对灰色建模预测后作残差修正和等维新息递补处理,以进一步提高预测精度.经过对重庆地区的农村用电量预测分析表明,提出的改进方法是合理适用的,其中改进GM(1,1)模型开二次方精度最高,预测精度满足实际应用需要. 相似文献
13.
14.
中长期电力负荷的组合预测法 总被引:3,自引:0,他引:3
组合预测法能较大限度地利用各种预测样本信息,有效地减少单个预测模型建立过程中一些环境随机因素的影响,提高预测精度.通过对灰色预测法、等维新息法、回归分析法的研究,先由原始数列建立灰色预测模型,预测出近期数据,再运用等维新息思想,把灰色模型的近期预测值添加到原始数列中,生成组合的数列,由新生成的组合数列建立回归模型,预测... 相似文献
15.
针对目前国内有关电力市场负荷预测方法存在的问题.积极探索某一特有电网的运行规律.提出了在现有条件下通过平均负荷法预测用电量和最大负荷,并将其与数学模型函数预测法相比较,得出其具有采集数据方便、预测准确程度高、耗费时间少等特点。 相似文献
16.
17.
自适应粒子群优化灰色模型的负荷预测 总被引:1,自引:0,他引:1
针对传统灰色预测模型GM(1,1)在预测增长较快的电力负荷时预测效果变差这一局限性,引入了比标准粒子群优化算法效率更高的自适应粒子群优化算法,并与GM(1,1)模型相结合,利用自适应粒子群算法求解GM(1,1)模型中的参数a和u,提出一种自适应粒子群优化灰色模型.通过对四个地区的用电量进行实例仿真,证明该模型具有较广的适用范围和较高的预测精度. 相似文献
18.
基于灰色预测和神经网络的电力系统负荷预测 总被引:38,自引:12,他引:26
负荷是电力系统运行和规划的依据,准确的负荷预测有利于提高电力系统运行的经济性和可靠性。章提出了一种基于灰色预测和神经网络组合的电力系统负荷预测方法。在灰色预测中通过对历史数据作不同的取舍并经累加生成后建立不同的模型;对于灰色预测的不同结果再使用人工神经网络进行组合。具体方法是:神经网络的输入为各种灰色模型(GM)的预测,神经网络的输出为组合预测的结果。学习样本选择与预测量量近的n个已知值,学习方法使用改进的BP算法。所提方法综合了GM预测所需原始数据少、方法简单、而神经网络具有非线性的拟合能力的特点,提高了预测精度。算例表明了所提方法是可行的和有效的。 相似文献
19.
20.
组合预测方法是一种性能优越的预测方法.由于电力负荷具有很多不确定因素,用单一预测模型进行预测时,其预测精度不高,为提高预测精度,提出组合预测模型.灰色GM(1,1)模型群能够很好地反映电力负荷的周期变化特性,而用不同时期的历史数据可反映不同的信息特征,因此,提出了基于远近数据的GM(1,1)模型群预测组合预测法.利用此方法对某地区的日电力负荷进行预测的算例结果表明:此方法的预测精度高于各单一模型的预测精度,且能够很好地反映日负荷变化的随机性和周期性. 相似文献