灰色季节变动指数模型GSVI(1,1)在农村用电量预测中的应用

季度用电量同时具有增长性和季节波动性的二重趋势,这使得季度用电量的变化呈现出复杂的非线性组合特征。对于这种具有复杂的非线性组合特征的时间序列,直接应用GM(1,1)灰色模型往往精度不高。GM(1,1)灰色模型只能反映时间序列的总体变化趋势,不能很好地反映其季节性波动变化的具体特征。为了提高短期用电量的预测精度,提出了用电量预测的灰色季节变动指数模型——GSVI(1,1)模型。GSVI(1,1)模型是将灰色预测方法与季节变动指数有机结合起来,对复杂的不确定性问题进行求解所建立的模型。算例计算表明,与灰色预测方法相比,GSVI(1,1)模型具有更强的适应性和更高的预测精度,适用于农村用电量预测。     

介绍一种电量预测方法—灰色模型

为精确地预测电量,利用灰色系统的理论,对石家庄市网已有年用电量的离乱数列进行数据处理;并建立了年用电量灰色动态模型(GM)。使测量的电量达到一级精度。     

基于新陈代谢灰色马尔可夫模型的工业园区电力负荷预测

单一的灰色预测模型只能反映工业园区月用电量的总体变化情况,无法反映用电量随生产计划和季节变化的波动特点。为此,将灰色预测、新陈代谢法与马尔可夫理论三者的设计思想相融合．优化灰色模型的维数,引入马尔可犬修正系数,建立新的改进模型：通过案例的分析研究,新陈代谢灰色马尔可夫模型能够较好的提高预测的精度．     

基于新陈代谢灰色马尔可夫模型的工业园区用电量预测

单一的灰色预测模型只能反映工业园区月用电量的总体变化情况,无法反映用电量随生产计划和季节变化的波动特点。为此,将灰色预测、新陈代谢法与马尔可夫理论三者的设计思想相融合,优化灰色模型的维数,引入马尔可夫修正系数,建立新的改进模型。通过案例的分析研究,新陈代谢灰色马尔可夫模型能够较好的提高预测的精度。     

灰色神经网络模型GNNM(1,1)在城市年用电量预测中的应用

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。     

一例基于灰色模型的电力负荷预测方法的应用

以忻州市1994~2004年用电量数据为例介绍了灰色预测技术在电力系统中的应用,并与忻州市1994年至2004年工农业生产总值(不变价)和同期用电量数据建立的一元线性回归模型预测结果进行了对比分析,进一步说明了灰色模型预测具有较高的置信度和应用价值。     

用电量的灰色-多元回归耦合模型预测

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.     

基于改进灰色GM模型的用电量预测方法研究

季度用电量同时具有增长性和季节波动性二重趋势,而灰色GM(1,1)预测模型只能反映用电量的总体变化趋势,不能很好反映其季节性波动变化的具体特征。提出灰色GM(1．1)用电最预测模型的改进模型——灰色季节变动指数模型GSI(1,1)模型,将灰色预测方法与季节指数有机结合起来。算例表明,与灰色预测方法相比,GSI(1,1)模型具有更强的适应性和更高的预测精度,适用于季节性用电量预测。     

基于灰色理论的中长期用电量预测

灰色理论具有所需数据少，计算量少的优点，在很多领域得到广泛应用。用电量预测就是一种典型的灰色系统。将灰色理论应用于我国某地区中长期用电量的预测，与实际用电量对比的结果表明，灰色理论用于该地区中长期用电量预测可行有效，预测结果满足要求。     

统计方法在预测全社会用电量中的应用

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。