改进灰色模型在电力负荷预测中的应用

灰色GM（1,1）模型是一种较有效的负荷预测模型,然而由于电力负荷具有多样性,导致对某些变化规律的负荷预测误差较大,精度不能满足要求,在实际应用中具有一定的局限陛。对灰色GM（1,1）模型进行必要的改进,利用等维新信息递推模型进行负荷预测,通过实例分析表明,可提高预测的精度。     

电力负荷灰色预测模型及性能分析（英）

本文将灰色模型GM（1,1）应用于电力负荷预测中,并对GM（1,1）模型的混沌特性进行了研究,指出了GM（1,1）模型的适用范围．     

基于改进GM(1,1)模型的电力市场期货价格的预测

建立和实现了基于灰色理论的电力市场期货价格的改进GM(1,1)预测模型。从改进θ参数、修正初始条件、等维新息处理等三个方面对原始GM(1,1)模型进行了改进,并利用真实期货价格检验改进GM(1,1)模型的拟合效果。结果表明,改进GM(1,1)模型的预测效果明显好于原始模型,具有较高的预测精度。     

基于GM和BP网络的我国能源消费量组合预测模型

利用我国能源消费的历史数据,采用灰色预测的GM(1,1)、无偏GM(1,1)和pGM(1,1)三种模型与BP神经网络进行优化组合,建立了灰色神经网络的能源消费量组合预测模型。实证分析结果表明,组合预测模型获得了更为精确的预测效果,可以作为能源消费预测的有效工具。     

基于改进灰色模型的江苏省发电量预测研究

针对传统灰色预测GM(1,1)模型在实际应用中存在预测精度不高或精度通不过检验的问题,基于2000～2009年江苏省发电量数据,采用改进的灰色预测GM(1,1)模型预测了江苏省2000～2009年发电量,并与传统灰色预测GM(1,1)模型的预测结果进行比较。结果表明,改进的灰色预测GM(1,1)模型显著提高了原始数据序列的光滑度,预测误差远低于传统灰色预测GM(1,1)模型,进而预测了江苏省2015、2020年的发电量,对江苏省制定电力发展规划具有重要的参考意义。     

系统优化的GM(1,1)模型在大坝位移预测中的应用

针对传统灰色GM(1,1)模型的缺陷,以陈村大坝为例,根据最小二乘原理提出了以GM(1,1)的一次累加生成建模序列所有分量的拟合误差平方和最小为约束条件,求得新灰色GM(1,1)预测模型的最优初始值,改进了原GM(1,1)模型的背景值及灰度值,并与传统GM(1,1)模型做了比较.数值仿真结果表明,新模型精度较高,预测效...     

大坝实测性态的灰色马尔科夫链预测方法研究

为实现大坝安全性态的准确预报,以西南某坝的多年扬压力极值为例,以扬压力实测序列建立GM(1,1)预测模型,基于预测模型的残差序列建立马尔科夫残差模型,对比分析GM(1,1)残差预测模型和马尔科夫残差模型;综合GM(1,1)模型和马尔科夫残差模型建立灰色马尔科夫模型,并利用灰色马尔科夫模型预测扬压力极大值。结果表明,灰色马尔科夫模型提高了预报的精度并恰当地反映了过程的摆动性。     

基于灰色BP神经网络的道路交通事故死亡率预测

建立基于灰色BP神经网络的道路交通事故死亡率预测模型,并为其编制Matlab程序。将该模型与GM(1,1)模型进行比较分析,结果表明灰色BP神经网络能更好地预测道路交通事故死亡率。     

基于改进灰色理论的中长期负荷预测方法研究

摘要： 中长期负荷预测是配电网规划的必要前提,对于电力系统经济效益和社会效益的提升具有重要意义。针对传统灰色预测模型预测精度低,适用性不强的缺陷,提出了一种基于改进灰色理论的电力系统中长期负荷预测方法。该方法在经典灰色预测GM（1,1）模型的基础上,首先利用三点平滑法对历史数据进行预处理,然后再构建基于等维新息矩阵的GM（1,1）模型,最后利用残差处理方法对预测结果进行修正。基于四川某地区售电量负荷预测的实际算例的仿真结果表明,相比于传统灰色预测模型,本文提出的改进灰色预测方法在预测精度和适用性方面都具有显著优势。     

基于数值分析的改进GM(1,1)负荷预测模型研究

针对传统GM(1,1)模型进行负荷预测存在的不足,采用数值分析算法求解GM(1,1)模型中的参数,直接建立灰微分白化响应方程,构建了一种基于数值分析的GM(1,1)改进负荷预测模型,并以山西省大同市10条10 kV配电线路为例,对模型进行了验证.实例结果表明,改进模型克服了差分方程与微分方程结合所造成的模型误差,预测精...     

短期电力负荷预测的GM(1,1)模型群方法及应用

针对灰色GM（1，1）模型用于电力短期负荷预测不能有效反映负荷周期性变化及精度不高的问题，提出了GM（1，1）模型群方法。该方法通过分时段（时、天）单独建模，利用一群GM（1，1）模型进行预测，有效提高了预测精度并很好地反映了负荷的周期性变化。该方法克服了使用GM（1，1）模型不能很好体现实际负荷过程的局限，具有较高的实用价值，拓宽了GM（1，1）模型用于电力负荷预测的范围。     

基于灰色动态模型群的济宁市需水量预测

针对以往单一GM(1,1)模型建立过程中难以克服不稳定因素对预测结果的影响,提出根据不同时间段建立多个GM(1,1)模型,基于济宁市2001~2011年用水量数据,采用灰色动态模型群对济宁市2011~2020年需水量进行预测。结果表明,济宁市2011年用水量为26.76×108 m3,到2015年需水量增至29.9×108 m3,2020年增至33.9×108 m3,呈增长趋势,这与济宁市社会经济发展态势相吻合,可见灰色动态模型群用于需水量预测可行、有效。     

灰色自记忆模型在年径流预测中的应用

为探索提高年径流预测精度的简单有效途径,以GM(1,1)微分方程为动力核建立了灰色自记忆模型,并应用于寸滩站年径流的拟合和预测中,取得了良好的效果。与组合模型相比,该模型结构简单并具有较高的拟合和预测精度,可应用于年径流序列的预测之中。     

A trigonometric grey prediction approach to forecasting electricity demand

Electricity demand forecasting plays an important role in electricity systems expansion planning. In this paper, we present a trigonometric grey prediction approach by combining the traditional grey model GM(1,1) with the trigonometric residual modification technique for forecasting electricity demand. Our approach helps to improve the forecasting accuracy of the GM(1,1) and allows a reasonable grey prediction interval to be obtained. Two case studies using the data of China are presented to demonstrate the effectiveness of our approach.     

正交设计灰色模型在年电力负荷预测中的应用

基于正交设计和灰色系统理论．提出一种预测年电力负荷的新方法。采用新陈代谢技术和加权最小二乘参数辨识法对标准GM（1,1）模型进行改进。以背景值系数OL、建模所需数据个数m和加权参数q作为可控因素,根据专家经验设计了三因素三水平正交表。以平均绝对百分比误差为输出目标,通过信噪比分析,得出最优参数水平组合,并通过方差分析,进一步得出各可控因素对预测效果的影响程度。对2个电网的负荷进行预测,结果验证了所提方法的可行性和有效性。     

基于新陈代谢无偏灰色神经网络的水质预测模型

针对水质参数样本数据少且非线性的特点,建立了新陈代谢无偏GM(1,1)与BP神经网络的组合预测模型,将通过新陈代谢无偏GM(1, 1)模型得到的数据集作为BP神经网络的输入,原始序列作为神经网络的期望输出,训练得到最佳BP神经网络。将该组合模型应用于乐山岷江大桥断面溶解氧浓度的预测,结果表明,相对误差均在3%以下,与传统灰色神经网络水质预测模型相比,该模型具有实时性及预测精度更高的优点。     

生活用水量组合预测模型及其应用

生活用水量是一个复杂的经济系统,采用单个预测模型很难准确地反映其实际情况,结合全国1998～2010年的生活用水量数据,分别采用自回归模型、指数平滑模型、改进的GM(1,1)模型预测全国生活用水量。通过冗余检验,自回归模型、指数平滑模型、改进的GM(1,1)模型均不是冗余方法,并对这三种预测模型采用极小化误差平方和的方法确定最优加权系数,建立了生活用水量的组合预测模型。结果表明,与单项预测模型相比,该组合预测模型具有更高的精度和更好的适应性,且预测结果更加可靠。