基于灰色系统理论的中长期电力负荷预测新方法

在进行中长期电力负荷预测课题研究中，运用灰色系统理论，研究并提出了新陈代谢局部残差灰色预测模型及相应的预测方法。经实际算例证明，该方法对于解决中长期电力负荷预测问题，具有简捷实用，预测精度高的特点。     

灰色模型在普通日短期电力负荷预测中的应用

讨论了灰色模型GM（1，1）及灰色差值模型在短期电力负荷预测中的应用，提出了适合普通日电力负荷预测的数据处理方法，提高了短期电力负荷预测的精度。     

具有二重趋势性的季节型电力负荷预测组合优化灰色神经网络模型

电力负荷预测是电力系统的一项重要工作，季节型电力负荷预测是一个难点，缺少相应的数量预测方法，对于具有增长和波动二重趋势性的季节型电力负荷，首先提出了季节型负荷预测的组合优化灰色神经网络模型，研究了同时考虑两种非线性趋势的复杂季节型负荷预测问题，说明了优化模型分别优于两种单一发展趋势负荷预测的模型。给出了电力负荷预测的应用实例，通过对河北电网季节最大负荷与销售电量的分析，建立了对应的组合优化灰色神经网络模型，与其它算法进行了比较，计算结果表明，该方法较大提高了季节型负荷预测的精度，为季节型电力负荷预测提供了一种新的，有效的方法，编制了季节型负荷预测的软件，此软件具有实用性和通用性。     

电力负荷预测灰色模型的改进与应用

提出了对电力负荷预测的灰色模型的改进方法。运用指数平滑法将有起伏变化的原始数据序列变换成近于指数增长的新样本数据序列。然后，采用普通灰色方法进行预测，从而进一步提高了预测精度，使其适用范围更加广泛。在对保定地区电力负荷预测的实际应用中，取得了满意的结果。     

基于灰色模型的等时段序列对电网的负荷预测

提出了一种电力系统中长期负荷预测的实用方法,即分等时段序列灰色预测法。将原始序列划分为几个等长的序列段,对每个估计参数作灰色预测,用预测出的估计参数预测电力负荷。利用预测方法预测进贤县2006～2009年的电力负荷,其预测精度在98%以上,残差控制在0.04以内。实例分析结果表明,该方法可作为中长期电力负荷预测的实用工具之一。     

非线性季节型电力负荷灰色组合预测研究

短期电力负荷同时具有增长性和季节被动性的二重趋势，这使得负荷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序列，使用某一种模型进行预测，结果往往不理想。为了提高短期电力负荷的预测精度，提出了具有季节型特点的电力负荷灰色组合预测模型。在此模型中，灰色模型处理非线性问题具有一定的优势，它可以很好地反映电力负荷的增长性特点。季节变动指数(SVI)用来拟合电力负荷的季节性趋势。最后对季节型灰色预测的残差建立时间序列的AR(p)模型。由于综合考虑了电力负荷的多种特征，此组合预测模型明显地提高了预测精度。     

基于GM（1，1）校正模型的转折性电力负荷特性预测

电力负荷系统是典型的灰色系统，电力负荷特性指标的预测具有直接的经济意义．讨论了当预测对象系统存在转折性变化时，灰色预测校正模型在此方面的有效应用．该模型具有充分利用历史信息而且短期预测精度高的优点．     

改进的电力系统中长期负荷预测方法研究

由于电力负荷具有突变性，很多预测方法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，而单调的灰色GM（1，1）预测并不能反映相关因素对负荷的影响。提出改进的灰色递阶模型和灰色群模模型，通过对历史数据的优化分段引进了变化的模型参数，同时将社会经济等发展指标引入，很大程度上能解决对数据突变的适应性，并反映相关因素对电力负荷的影响。将上述模型应用于所附实际算例，取得了较好的效果。     

基于计量经济-灰色理论的多变量电力负荷预测方法

为了充分考虑城市发展变化的多元性与预测电力负荷过程中的各种影响变量,提高电网规划中电力负荷的预测精度,本文提出了基于计量经济-灰色理论的多变量电力负荷预测方法。该方法首先通过电力负荷与各变量之间的相关性分析,确定预测过程中与电力负荷强度相关的各影响变量。然后利用统计学中的计量经济理论,找到彼此之间的联系,建立电力负荷与各变量之间的数学预测模型。最后再利用灰色理论对目标年各变量的值进行预测,以解决数据匮乏、波动的不确定性所带来的难题,并带入数学模型,完成预测。工程实例验证了该方法是正确和有效的。     

多元指数加权电力负荷灰色优化组合预测

由于电力负荷具有增长性和波动性并且受到多个因素影响,使得电力负荷的变化呈现出复杂的多元性及非线性组合特性,对于这种具有复杂的多元性及非线性组合特性的序列,使用传统的模型进行预测,预测精度往往不理想.为了提高预测精度,作者为提出了多元指数加权电力负荷灰色优化组合预测模型.其中灰色优化组合预测模型用于进行非线性增长趋势的电力负荷预测,指数加权法能解决历史负荷的波动性问题.实际算例表明,所提出的方法由于综合考虑了电力负荷的多种特性,能有效地提高负荷预测精度.     

灰色自适应模型及在负荷短期预测中的应用

本文针对电力负荷变化的非平稳性，首先建立起灰色模型分析用电负荷的趋势项，用灰色模型值与原始数据值进行比较，得出一系列误差值，作为二级数据，进一步应用自回归AR(2)模型对灰色模型产生的误差进行适应性调整。以1991年上海市用电负荷为例，预测二周用电负荷的平均相对误差为1.65%，对于特殊的节假日负荷，根据其自身的特点，本文则采用二元线性拟合模型进行预测，以避免产生大的预测误差。采用本文的系统具有一定自适应性，对于非平稳性的电力负荷具有很好的预测效果。     

基于灰色理论与BP神经网络的电力负荷预报

为了提高电力负荷预报的精确度和稳定性,基于灰色理论和BP神经网络,提出了电力负荷预报方法。该方法在预测精确度和稳定性方面都比单一的灰色理论预报方法有明显的提高。经实例预测表明,此方法的预报相对误差可以达到1．69％以内。     

灰色模型在负荷预测中的应用

电力负荷预测是电力控制及运行方面的最重要的一项任务。讨论了灰色模型在短期电力负荷预测中的应用,对平常日电力负荷进行预测,其结果令人满意。     

改进的遗传灰色RBF模型的短期电力负荷预测

为了在智能电网环境下提高短期电力负荷预测的精度,提出了一种考虑实时电价影响的遗传算法改进的灰色RBF模型。该方法利用灰色模型可以减弱数据随机性以及RBF神经网络的高度非线性的优点,弱化实时电价对短期电力负荷预测的影响,针对两种方法结合容易陷入局部最优和收敛性问题,采用遗传算法对网络进行了优化,得到最终预测结果。实例验证表明,与灰色RBF预测方法相比,该方法具有更高的负荷预测精度和较强的适应能力。     

用于电力远期价格预测的组合灰色神经网络方法

电力远期价格受实时电价、利率、负荷需求等多种因素影响，变化趋势复杂，很难建立一个准确的数学模型进行全面描述，针对这一特点，采用灰色动态预测模型对电力远期价格进行预测，提出了一种组合灰色神经网络预测模型，并对不同模型的预测结果进行了研究。     

保定电网最大负荷及用电量的灰色预测

保定电网最大负荷及用电量的灰色预测保定电业局刘颖，田彦芬随着我国电力事业的发展，电力系统管理日趋现代化，负荷预测已越来越被人们所重视，尤其在当前电力供需矛盾有所缓解，电网负荷率下降，峰谷差增大的情况下，电力负荷的准确预测。对合理安排机组检修及启停．调...     

基于证据理论加权的电力负荷组合预测

为了提高电力负荷的预测准确度,提出了一种基于证据理论加权的电力负荷组合预测模型。首先分别采用自回归移动平均模型、灰色模型和BP神经网络对电力负荷进行预测,分别得到电力负荷的线性、周期性和非线性预测结果;然后采用证据理论确定自回归移动平均模型、灰色模型和BP神经网络的预测权值;最后进行加权得到电力负荷的预测结果,并将该模型应用于具体的电力负荷建模与预测中。实验结果表明,该模型可以描述各单一模型对电力负荷预测结果的贡献,更加准确地描述电力负荷的变化特点,预测准确度能够满足实际应用的要求。     

基于灰色马尔科夫预测模型的中长期电力负荷预测

中长期负荷预测在电网发展规划编制中占有重要地位,而其关键是数学模型的建立。本文建立了基于马尔科夫修正的灰色负荷预测模型,利用灰色预测模型对未来负荷进行预测,对预测结果采用马尔可夫链预测方法进行改进,提高其预测的准确性。采用灰色马尔科夫模型对某市用电需求负荷建立预测模型,预测了2006至2008年的用电负荷,与实际用电负荷进行对比,结果验证了灰色马尔科夫模型在对电力负荷进行长期预测时具有较高的精度。     

基于改进灰色模型的短期负荷预测

短期负荷预测对电力调度部门非常重要,为提高其预测精度,提出了一种基于改进灰色模型的短期负荷预测方法。选取出若干相似日负荷序列后,对其建立灰色预测模型,并引入改进的布谷鸟优化算法,优化灰色模型中背景值参数的选取,使得灰色模型的预测精度显著提高。仿真结果验证了该方法的有效性。     

多因素影响的灰色神经网络组合电力负荷预测

一般的电力负荷预测都是只针对电力历史负荷值做预测,而实际电力负荷是受到各种因素制约的复杂非线性系统.首先提出多因素影响的灰色神经网络组合预测模型,研究同时考虑了在各可定量分析因素影响下的负荷增长和波动二重趋势性问题.通过电力负荷预测应用的实例,对某地区电力负荷值,GDP值和各产业值进行分析,建立对应的优化组合预测模型,并与其它算法进行比较,计算结果表明,所提出的方法综合考虑了电力负荷的多种特性,能有效地提高负荷预测精度.