改进无偏GM(1,1)模型及其在中长期电力负荷预测中的应用

通过对原始数据序列作开次方运算生成新数据序列的方法,建立了改进无偏GM(1,1)模型.用数值实验研究的方法证明了改进无偏GM(1,1)模型特性优于无偏GM(1,1)模型.将改进无偏GM(1,1)模型用于对太原地区电力负荷进行预测,实际应用的结果也显示改进模型提高了中长期电力负荷预测精度.     

基于组合模型的我国能源年消费总量的预测研究

以1990年至2007年中国能源年消费总量为基础,建立了ARXMA模型和GM(1,1)模型,并对这两个模型进行了分析.采用最小化方差的方法进行对两个单项预测的结果进行权重分配,建立组合预测模型,并对我国2008年至2012年能源年消费总量进行预测.结果表明组合模型的预测结果比两个单项模型的预测结果理想.     

重庆地区中长期负荷特性和预测方法研究

对于存在多个影响因素的中长期电力负荷,采用常规灰色模型GM（1,1）进行中长期预测不能获得较好的预测精度。提取了中长期负荷主要影响因素之一的生产总值和年总用电量建立了多变量灰色预测模型MGM（1,2）。为进行比较分析,同时还建立了常规灰色GM（1,1）模型。预测结果显示,多变量灰色模型MGM（1,2）的预测精度优于常规灰色模型GM（1,1）。     

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。     

改进无偏GM(1,1)模型及其在中长期电力负荷预测中的应用

通过对原始数据序列作开次方运算生成新数据序列的方法,建立了改进无偏GM（1,1）模型。用数值实验研究的方法证明了改进无偏GM（1,1）模型特性优于无偏GM（1,1）模型。将改进无偏GM（1,1）模型用于对太原地区电力负荷进行预测,实际应用的结果也显示改进模型提高了中长期电力负荷预测精度。     

黑龙江省电力消费总量预测研究

以黑龙江省2000～2004年电力消费总量为依据,利用改进的灰色理论中的GM(1,1)模型,建立电力消费总量预测模型,预测2005年的黑龙江省的电力消费总量,并与2005年实际数据进行对比,作出精度检验,评价模型的优劣,进而对未来黑龙江省电力消费总量作出预测.     

基于Logistic模型的电能替代电量预测

随着电能替代战略的不断推进,电能替代电量规模将不断扩大,对未来电网中长期负荷构成将产生较大影响。现有电网中长期负荷预测方法对电能替代电量的考虑尚不够充分,有必要进行单独的分析预测。文中分析了政策对未来电能替代发展的重要影响作用,并给出了宏观层面电能替代电量的计算方法。在此基础上,基于Logistic模型分别对终端能源消费总量和电能占终端能源消费比例进行预测,在预测过程中充分结合目前已有的相关研究成果,最终获得电能替代电量预测结果。文中模型可作为传统中长期负荷预测方法的补充,用以指导未来电源、电网和相关能源规划。     

广西电网短期负荷预测及其数学模型

介绍一种适合广西电网短期负荷预测的数学模型。对广西电网普通日负荷预测采用时间序列分析预测模型 (每日 2 4个点 ,整点采集 )进行预测 ;对于非周期性变化 ,或周期性变化趋势不明显的年、月、日的最大负荷、最小负荷 ,周末、节假日整点负荷 ,采用灰色理论中的 GM(1,1)模型和 GM(1,1)改进模型来进行预测。在广西电网电力负荷预测应用中取得了较好的结果     

含误差校正的粒子群优化GM(1,2)短期电价预测方法

在对电力市场现货电价的变动规律综合分析的基础上,提出了一种含预测误差校正的粒子群优化GM(1,2)短期电价预测方法.该方法对采用滑动平均法处理后的电价序列建立基于粒子群优化灰色背景值的GM(1,2)模型,利用时间序列分析的ARMA方法对灰色残差序列建立ARMA预测模型,并用ARMA模型的预测值修正GM(1,2)模型的预测结果.对PJM电力市场历史数据的算例分析表明,相对于传统GM(1,2)模型,该方法能够更加准确地反映电价的变化规律,具有较高的预测精度,可满足电力市场参与者制订竞价策略的需要.     

含高比例风电的电力市场电价预测

在解除管制的电力市场中,精确预测电价有助于市场各方有效参与市场运营与管理。清洁能源渗透率的提高,给电价预测精度带来了新的挑战。文中选择不同的输入特征变量并结合长短期记忆(LSTM)网络的特点,构建含高比例风电的电力市场电价预测模型对含有风电的电力市场电价进行预测。研究表明,风能和负荷的比值是含高比例风电的电力市场风电电价预测的关键输入参数。LSTM具备时间延迟记忆特点,拥有较好的电力市场时间序列电价预测能力。以北欧市场中DK1电力市场实际数据为基础,采用3种模型进行对比分析,结果表明含有风能和负荷的比值且考虑多时刻信息输入的LSTM模型可以较大地提高低谷时段的电价预测精度。