灰色模型在中长期负荷预测中的应用比较

详细介绍了传统灰色模型GM（1,1）及其改进模型无偏灰色模型WPGM（1,1）、加权灰色模型pGM（1,1）的原理及其在电力系统长期负荷预测中的应用,结果表明无偏灰色模型WPGM（1,1）具有较高的预测精度。     

高阶灰色预测模型在短期电力负荷预测中的应用研究

考虑到电力负荷的指数性增长和周期性变化的特点,基于灰色预测理论,建立了三阶电力负荷短期预测模型,给出了电力系统短期负荷预测的主要步骤。通过算例分析,验证了该方法的有效性。     

基于灰色系统理论的磨削力预测方法

本评说针灰色系统理论应用于磨削过程中磨削力的预测，并对磨削力的灰色预测结果与传统的回归分析计算结果进行了比较。结果表明，灰色预测法可比回归分析法获得更高的精度。     

灰色系统理论在离心式压缩机热力性能在线预测中的应用

通过灰色系统模型的建立,对离心式压缩机的热力性能在线预测模型进行了分析,运用灰色理论,对变效率及轴耗功率的趋势预测进行了研究,误差分析证明了这种模型的建立具有相当高的精度,该模型的实用性也在“离心式压缩机热力性能在线监测及性能评估系统”的使用中得到证实。     

改进灰色模型在电力负荷中的预测分析及实现

深入研究了基于灰色系统理论的电力负荷预测方法,剖析了灰色预测GM(1,1)模型应用的局限性及其改进方法,在对原始数据序列进行插值平滑处理的基础上建立了等维新信息灰色预测模型,并用此方法对某地区的电力负荷进行预测分析,结果表明:模型精度较高,预测误差较小,该方法可以作为电力负荷预测的理想工具。     

灰色系统理论在沉降分析中的应用

文中主要介绍灰色系统理论在沉降变形监测中的应用,论述了GM（1,1）模型应用于较高精度变形预测是可行的。     

基于改进的灰色理论在中长期电力负荷预测中的应用

面对中长期电力负荷预测“小样本”、“少信息”、“非线性”等特点[1],灰色预测模型在电力负荷预测中起决定性的作用。该文论述了基本GM（1,1）模型、一次平滑法的GM（1,1）模型。针对以上两种模型的缺点和不足,通过对初始数据的二次平滑处理,又提出了改进的灰色预测模型---二次平滑法的GM（1,1）模型。通过算例检验与典型的实例研究上述3种灰色模型在中长期负荷预测中的应用。结果表明,和前面两种预测模型相比较,二次平滑法的GM（1,1）模型在电力系统电量的实际预测中更精确,误差更小。     

灰色理论在故障预测中的应用

在可靠性研究中,对于随机产生的设备故障,如果能在已发生故障的基础上对以后的故障作出预测,例如预测下一个时间间隔内的故障数,或预测下一个故障在什么时间产生,那么,这种预测对于使用和可靠性研究将具有重要意义。 常规的方法是通过大量试验,得出故障的统计规律,按先验规律来处理问题。一方面,这种处理是建立在大样本量的基础上,要求数据越多越好,但即使有了大样本量也不一定能找到统计规律,即使有了统计规律也不一定是典型的,而非典型的过程是难以处理的;另一方面,即使找到了典型的统计规律,也难以对故障进行预测,因为统计规律是对已试验的产品而言,用该统计规律对未经试验的产品进行预测,误差较大。试验的数量再多,也不可能是全部产品,而有些产品只能抽检,因此用统计规律预测有很大的局限性。     

灰色系统理论在滚动轴承中的应用及展望

滚动轴承是机械设备的关键部件,也是机器容易发生故障的部位,因此轴承质量的好坏,运转过程中的检测及寿命的提高显得尤为重要.基于此介绍灰色系统几个主要理论和运用灰色系统理论解决一些关于轴承的问题及其在新问题中的展望.     

灰色预测及其在金属切削理论研究中的应用

介绍了灰色系统理论的基本预测方法，并将该方法引入到金属切削的研究中.结果表明，该方法预测精度很高，在工程技术领域有广泛的应用前景。     

专家系统在电力预测负荷中的应用

电力负荷预测是一项重要但又非常复杂的工作．因为它受到大量不确定因素的影响．因此预测过程需要考虑多种因素。为了充分考虑这些因素，文中提出利用专家系统来修正决策树的修正结果。预测过程为先利用决策树建立预测模型，对待测日负荷进行初步预测．然后再结合专家系统中的修正模型对初步结果进行修正，得到最终预测结果。统计分析结果表明该方法满足实用标准，具有有效性和实用性。     

基于灰色理论的导弹贮存可靠性预测方法研究

介绍了导弹贮存可靠性的概念，针对导弹样本少、试验数据贫乏的特点。对于导弹贮存可靠性的预测问题。提出了具有“少数据建模”特性的灰色GM（1，1）预测方法。最后通过实例给出预测过程。     

混沌预测模型改进及在电力日负荷预测中的应用

针对电力日负荷预测中基于最大Lyapunov指数的传统混沌预测模型的缺陷,提出以下改进思想:采用微分熵法同时确定嵌入维数和延迟时间,改善相空间重构质量的同时,有效减少计算量;引入夹角参数,在与中心点距离最短的点中,筛选夹角最小的点作为最终邻近点;基于相似性原理,引入取舍规则,使得计算结果唯一确定。本文方法解决了传统预测模型计算量大、运算速度慢、预测精度不高以及正负号选取等问题。通过对典型混沌系统数值验证和某地区实际电力负荷系统的预测分析证明了本文方法的可靠性和高效性,为电力日负荷预测提供了一种新的有效途径。     

An actual load forecasting methodology by interval grey modeling based on the fractional calculus

The operation processes for thermal power plant are measured by the real-time data, and a large number of historical interval data can be obtained from the dataset. Within defined periods of time, the interval information could provide important information for decision making and equipment maintenance. Actual load is one of the most important parameters, and the trends hidden in the historical data will show the overall operation status of the equipments. However, based on the interval grey parameter numbers, the modeling and prediction process is more complicated than the one with real numbers. In order not lose any information, the geometric coordinate features are used by the coordinates of area and middle point lines in this paper, which are proved with the same information as the original interval data. The grey prediction model for interval grey number by the fractional-order accumulation calculus is proposed. Compared with integer-order model, the proposed method could have more freedom with better performance for modeling and prediction, which can be widely used in the modeling process and prediction for the small amount interval historical industry sequence samples.     

基于MEA-Elman神经网络的电力日负荷预测

Elman神经网络是一种动态反馈网络,对历史状态敏感,具有短期记忆功能和处理动态信息的能力,可以建立动态、非线性电力负荷预测模型。由于Elman神经网络采用BP算法,容易陷入局部极小解,迭代次数多且学习效率低,该文利用思维进化算法(MEA)优化Elman神经网络的方法,提出基于MEA-Elman神经网络的电力负荷预测模型。实验表明,该方法能够避免不成熟收敛问题,减少迭代次数,有效提高了配电网短期负荷的预测精度,对电力系统合理调度与规划具有重要意义。     

基于功能小区方法的电力系统负荷预测

电力系统负荷预测是电网规划的基本工作。介绍了回归预测模型、灰色系统理论预测模型、空间负荷预测法、曲线法、最优组合预测法等中长期电力负荷预测的方法,讨论了功能小区的划分及功能小区的功能分析,通过对功能小区负荷预测的实际计算,结果充分证明了功能小区负荷预测与湖南省衡阳市城区发展的实际情况相符合。说明了基于功能小区方法的电力系统负荷预测具有重要的现实意义和广泛的应用前景。     

电力系统短期负荷预测中小波函数的选择

针对应用小波分析进行电力系统短期负荷预测中小波函数的选择问题,以dbN小波系作为变换工具,通过最大李氏指数检测,比较了不同N所产生的预测精度,确定了一种db小波函数为短期负荷预测的核心变换工具。研究结果表明,采用db4作为短期负荷预测的小波函数,预测的结果具有较高的精度。     

回归算法在电力负荷预测中的应用

电力系统短期负荷预测是电力系统部门安排机组启停、制定购电计划的基础。并逐渐成为电力市场的一个重要研究领域。本文分别用线性回归、支持向量回归、序列最小优化、改进的序列最小优化四种方法对某省负荷数据进行了实验对比分析。结果表明序列最小优化算法比线性回归、支持向量回归算法具有更好的适应性和预测精度。经改进后该算法的预测精度进一步提高。     

基于自组织特征映射的连续多日负荷预测方法研究

针对影响连续多日每日最大负荷的因素较多且构成复杂,连续多日负荷预测方法少难度大、含节假日的连续多日负荷预测精度低等问题,分析了近几年工作日电力负荷数据特点,研究了自组织特征映射(Self-Organizing Feature Map,SOM)聚类算法并将其用于负荷数据的预处理,研究了节假日负荷的特性,总结了其负荷变化规律并加以区分预测,提出了一种基于自组织特征映射神经网络的连续多日负荷预测新方法。该方法区分普通工作日与节假日,普通工作日采用自组织特征映射神经网络聚类方法对日最大负荷进行特征提取,建立了以周期特征相似的历史数据作为训练样本的神经网络模型,节假日设定假日影响因子单独预测。运用某市近年的负荷数据进行预测,算例结果显示综合预测误差为3.21%,表明该方法预测精度完全满足实际需求,为连续多日最大负荷预测提供了一种可行的方法。