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。     

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。     

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。     

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.     

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。     

月度用电量灰色预测改进模型

灰色模型是年度电量预测的有效方法。引入季节指数平滑法改进灰色模型,使其更适合具有季节周期性的月度用电量预测;并提出了一种基于马尔科夫过程的残差修正法,以提高月度电量预测的准确率。最后,以某市月度用电量进行实际预测为例,通过与其他模型的比较,验证了改进模型在月度用电量预测中的有效性。     

几种灰色模型用于电力消费中期预测研究

根据三类产业与居民生活用电量在用电方式、用电增长趋势等方面的不同特点,对灰色ＧＭ（１,１）模型、改进的ＧＭ（１,３）模型以及关联多因子模型在地区用电量和最高用电负荷预测中的应用做了初步研究。以上海市１９９０～１９９８年的电力资料和经济资料为基础,应用几中灰色模型对三类产业用电量、居民生活用电量及最高用电负荷进行了预测,并将几种模型的预测 结果进行了比较。结果表明,不同模型适用于不同特点的电力消费预     

智能电网环境下采用关联分析和多变量灰色模型的用电量预测

智能电网的发展将给传统用电方式带来重大变化,在此背景下,基于灰色理论提出一种用电量预测新方法。首先通过灰色关联分析法确定影响用电量的主因素变量,然后采用多变量灰色模型(multi-variable grey model,MGM) (1, n)进行用电量预测,该方法能够反映各因素间的相互制约、相互促进的关系,避免了传统灰色模型GM(1,1)未考虑其他随机因素对用电量影响的局限性。对一个实际电力系统的用电量进行预测,结果表明所提方法能有效提高预测精度且适用于中长期电量预测。     

电网负荷的非线性灰色预测

应用非线性灰色模型对电网用电量进行预测,与线性灰色模型进行了对比并对模型特性进行了分析。理论分析和实例表明非线性灰色模型较线性模型性能优越,值得在负荷预报领域推广应用。     

组合预测方法在电力系统负荷预测中的应用研究

组合预测方法是一种性能优越的预测方法。选择了电力负荷预测精度较高的两种单一预测模型——无偏灰色预测模型和时间序列预测模型,通过它们建立了三种不同的组合预测模型,对我国电力负荷进行了预测,验证了组合预测模型的优越性。最后,通过对三种组合预测模型的预测结果进行对比,选择一个最适合电力负荷历史数据的模型,通过该模型对我国社会用电量进行预测,获得了较好的预测效果。     

基于灰色关联分析及BP算法的用电量预测

用电量是电力系统规划及地区资源配置的重要影响因素,为了提高用电量预测的精度,提出将灰色关联分析法与BP神经网络相结合进行用电量预测。利用灰色关联分析法对影响用电量的主要因素进行分析,确定了3个影响因素并将其作为 BP 网络的输入参数,建立了用电量BP神经网络预测模型;在MATLAB环境下对模型进行训练测试,结果表明该系统收敛速度快、预测精度高,可为用电量的预测提供参考方法。     

一种基于灰色系统理论的中长期需电量预测模型

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。     

一种新的灰色模型在城市年用电量预测中的应用

城市年用电量由于受经济、社会、气候等多种因素影响,具有一定的灰色特征.针对传统GM(1,1)模型预测误差较大的缺点,将直接灰色预测模型(DGM)引入到年用电量预测中,从而避开了灰微分方程参数辨识时合理选取背景值的问题.以DGM的还原值与实际值的平均相对误差最小化为目标,建立了相应的优化模型并设计了基于微分进化的求解算法.对5种不同增长规律的城市电网年用电量进行预测,并与多种预测方法进行比较,结果验证了所提方法的有效性.     

基于多变量灰色预测模型的省级电力公司中长期电量预测

目前我国中长期电量预测的结果准确度难以进一步提高,且传统GM(1,1)由于其自身特点,已不再适应近年来全社会用电量变化呈现出的新规律。基于省级电力公司各产业全社会用电量数据,分析了用电量的变化规律。通过挖掘各产业影响用电量变化的因素,分产业建立多变量灰色预测模型,预测了江苏省2016—2018年全社会用电量,预测结果可靠。最后对模型应用的特点进行了总结。     

基于灰色马尔可夫修正模型的城市月用电需求预测

传统的灰色颅测模型只能反映用电量的总体变化趋势．不能反映月用电量随季节的波动特征为此,基于马尔可夫理论提出了灰色马屿尔可夫修正预测模型,引入了马尔司夫修正系数．并在模型中加入等维信息,研究了同时考虑2种趋势的城市用电需求的预测问题：算例表明．与传统的灰色预测方法相比,马尔可夫修正模型较好地提高了预测的精度。