基于灰色系统理论的电力负荷预测

在灰色系统理论的基础上,采用灰色关联算法,对影响电力负荷的因素进行分析,选择更能反映电力负荷变化趋势的因素.并采用灰色建模方法,进行电力日特征负荷预测.     

基于灰色理论的城市燃气负荷预测

城市燃气负荷与城市工业发展,城市人口等因素密切相关,由于传统的城市燃气负荷GM(1,1)预测模型仅与历史数据有关,预测结果并不能真实反映燃气负荷在未来的变化趋势.应用灰色GM(1,N)模型,将工业产值和城市人口两个因子引入燃气负荷预测模型,建立一个一阶3个变量的灰色GM(1,3)模型,进行预测.实例预测计算结果表明该模型能够准确预测城市燃气负荷,而且该模型考虑了影响燃气负荷的主要因素,使得预测模型和结果更为合理.     

基于改进灰色模型的短期电力负荷预测

针对短期电力负荷预测的特点,提出了更适合负荷预测模型,对传统灰色预测模型的局限性进行了改进。采用三点平滑处理削弱了个别不理想数据对整个数据序列的影响,对GM(1,1)模型进行了残值修正,建立了针对后验差检验不合格情况下的新的GM(1,1)模型。通过实证分析与相对误差的比较,该模型具有良好的适应性,可大大提高预测的精度。     

基于粒子群优化灰色模型的电力系统负荷预测

在分析灰色GM(1,1)模型局限性的基础上,应用粒子群优化算法的非线性全局寻优能力来求解灰色模型参数值,提出了基于粒子群优化算法的灰色模型,并给出了负荷预测的实例.预测结果表明基于粒子群优化算法的灰色模型具有较高的预测精度和较广泛的应用范围.     

基于改进灰色模型的中长期电力负荷预测

在中长期负荷预测中,由于电力负荷具有突变性,常规GM(1,1)模型不能及时反映负荷的突然变化,对于发生转折的数据预测精度不高,在实际应用中具有一定的局限性。通过对负荷原始数据序列的预处理及优化,利用等维新息递推GM(1,1)模型进行预测,保证了预测能够较为充分地利用新信息,并加入了残差模型,通过实例分析表明,改进后的模型比常规GM(1,1)模型提高了预测的精度。     

灰色GM(1,1)模型在电力系统负荷预测中的应用

研究了灰色GM(1,1)模型及其在电力系统负荷预测中的应用,以实际算例为基础,对预测结果作了分析,得出结论:灰色GM(1,1)模型精度较高,但也存在一定的局限性.     

基于灰色均生函数模型的电力系统月度负荷预测

首先使用历史负荷数据建立灰色GM（1,1）模型,并得到该历史负荷数据在GM（1,1）下的趋势值,其次通过历史负荷数据与趋势值的比值得到残余信息来构建均生函数模型,然后形成灰色均生函数模型（G-MGFM）,最后提出了一种基于灰色均生函数模型的电力系统月度负荷预测方法。算例分析表明,与传统的预测模型相比,G-MGFM不仅建...     

改进的灰色预测模型在区域用水总量预测中的应用

为了探讨用水总量的变化是否适应区域经济的发展要求,探讨灰色预测模型在用水总量预测中的适用性及预测精度,基于灰色理论建立了用水总量灰色预测模型,并对区域未来用水总量进行了预测。通过太湖流域用水总量与相关因素间的灰色关联度分析,选取了人口数量、降雨量等6个因素作为主要预测因子,建立了用弱化算子处理方法改进后的太湖流域用水总量预测灰色GM(0,N)模型;将此模型与传统灰色GM(0,N)模型、多元回归模型对太湖流域2003—2015年的用水总量模拟结果进行对比分析,验证了改进后灰色预测模型的合理性及适用性。最后,运用改进后的GM(0,N)模型对太湖流域2016—2020年的用水量进行了预测,预测结果与流域最严格水资源管理实施目标及水资源可持续利用战略需求基本相符。该研究可为流域水资源承载力预警以及水的中长期供求规划等提供参考依据。     

基于组合电力负荷预测模型的电力经济调度研究

根据武汉地区近10 a电力负荷使用情况对武汉供电公司电力负荷预测进行研究,以此为经济调度及负荷管理提供依据.选用基于GM(1,1)模型和一元线性回归法的组合负荷预测模型.对武汉地区每月最大负荷进行预测;算例证明组合预测模型有效提高了电力系统负荷预测能力,且证明了该组合电力预测模型对发电量预测同样具有可行性.     

基于改进灰色模型的电力负荷中长期预测

基于电力系统中长期负荷预测的特点,针对常规灰色预测模型存在的不足,提出一种基于数据平滑处理,以及线性回归残差修正的改进灰色预测方法。对某地区算例比较和分析表明,本方法可明显提高中长期负荷预测精度。     

基于模糊聚类和灰色关联分析结合的负荷预测

训练样本的合理选择是影响神经网络负荷预测精度的重要因素。为了选择出适量而且典型的样本,采用模糊聚类将历史负荷数据分为若干类,再利用灰色关联分析法确定各类与预测时刻负荷模式的相关度,选择关联度最大的一类,通过L-M算法对24个整点时刻分别建立BP网络预测模型,并与常用方法选择的样本训练网络得到的结果进行了对比,测试结果证明了本文所提方法的有效性。     

灰色马尔柯夫预测模型

概要地介绍了灰色系统理论的研究对象，引入了ＧＭ（１，１）灰色预测模型，并将灰色预测与马尔柯夫预测方法相结合建立了一种对ＧＭ（１，１）模型进行了预测物新方法，克服两种预测法的不足，提高了预测精度。最后用一例子说明灰色马尔柯夫预测方法的应用。     

基于空间概念的灰色关联分析及电建方案优选研究

针对现有关联分析只从平面的角度来确定因素之间的关联程度的方法,通过空间距离公式把最优和最劣关联度结合起来,得到一个空间综合关联度,使分析问题的角度从平面拓展到空间;为了使决策者既能得到准确的结果又能根据自己的偏好进行决策,在最终排序问题上引入偏序概念,并结合热电厂的实际情况对不同的装机方案进行优选。     

灰色模型GM(1,1)及其改进模型在短期特殊日电力负荷预测中的应用

讨论了灰色模型GM (1 ,1 )及其改进模型在短期电力负荷预测中的应用 ,采用ARI MA(p ,d ,q)模型与GM(1 ,1 )改进模型对特殊日电力负荷进行组合预测 ,提出了适合电网特殊日电力负荷预测的数据处理方法 ,提高了预测的精度 .准确度可达 95 %以上 ,解决了每日2 4点正点采样情况下预测精度较低的问题 .     

Grey relationship analysis and grey forecasting modeling on thermal stability of synthetic single diamond

Syntheticsinglediamondsarewidelyusedinmanyfieldsintermsoftheirdistinguishedpropertiesinme chanics,physics,chemistry,optics,etc.However,theirthermalresistanceispoor.Anincreasingnumberofdiamondproducersandusersmakethethermalsta bility(TS)oneoftheimportantqualityindexes.BothBritainDeBeersCo.andUSGECo.areconducting extensiveresearchontestingandimprovingthethermal resistanceoftheirdiamondproductsinordertoprovideabetterTS[1].Itcanbeseenthattheseproductswill beverycompetitiveinmarkets.Moststudi…     

基于神经网络校正的电力负荷灰色预测

针对电力负荷预测残差序列具有复杂的非线性状态的特点,运用神经网络模型,对电力负荷的灰色预测残差进行校正;同时对神经网络隐含层的神经元个数进行调整,使得网络模型结构优化,模型参数确定更为合理,进一步提高了预测精度。     

基于负荷分解的短期负荷预测传递函数模型

短期负荷预测主要用于预测未来几小时、1天甚至几天的负荷,对电力系统运行的安全性和经济性具有重要意义。时间序列模型在电力系统短期负荷预测中得到了广泛应用。然而,这种方法的一个主要缺点是无法将影响负荷预测的主要因素之一即气象因素考虑进去。在此背景下,首先基于历史负荷数据,采用传统的分解方法提取出负荷中的周期分量,得到剔除周期分量后的非周期分量。在此基础上,首先采用逐步回归法筛选出影响负荷非周期分量的主要因素,之后发展了预测负荷非周期分量的传递函数模型。最后,用广东电力系统实际负荷数据对所发展的短期负荷预测模型的准确性进行了验证。     

基于预测模型库关联优化的电力负荷组合预测模型

针对中长期电力负荷同时具有增长性和波动性的二重趋势,基于预测模型库关联优化的电力负荷组合预测模型理论,首先对GM(1,1)模型进行改进,引入修正系数,使得原始序列与新预测值的误差在最小二乘意义下达到最小。然后建立模型库,通过灰色关联分析选取两个关联度最大的预测模型,再对这两个预测模型进行优化组合,得到最优模型。通过实例验证,基于预测模型库关联优化的电力负荷组合预测模型达到了满意的预测结果。     

基于粗糙集和主成分分析结合的短期负荷预测

采用神经网络进行负荷预测,为了进一步减少输入变量的个数,减小网络结构,在基于粗糙集理论约简的基础上,采用能消除变量间相关性的主成分分析法对负荷影响因素约简,并且通过实例研究证明了此法的有效性。     

供电服务评价的灰色关联分析

将灰色系统理论中的关联分析法应用于供电企业服务质量的评价中,给出了评价供电企业服务质量的灰色关联分析法。通过实例编程计算,说明灰色关联分析法在供电企业服务质量评价中是一种简单易行的方法。