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。     

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。     

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。     

基于灰色模型GM(1,1)的短期负荷预测方法简介

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.灰色GM(1,1)模型在电力系统负荷预测领域中得到了广泛的应用.通过时GM(1,1)模型做一些改进形成等维新息模型和基于边值条件修正的GM(1,1).实例证明,改进的模型大大降低了预测误差,预测精确度满足了用户的要求.     

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。     

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。     

利用灰色模型预测用电量和用电负荷

根据＂灰色系统＂理论，对灰色模型的建立与模型精度的提高等作了推理分析。以南通地区的电力负荷预测为例作具体计算。得出采用灰色模型进行电网负荷预测既实用又有效结论。     

基于灰色系统理论的中长期电力荷预测新方法

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，该方法对于解决长期电力负荷预测问题，具有简捷实用，预测精度高的特点。     

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。     

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。     

山西电网年最大电力负荷和峰谷差的灰色预测及电网调峰的对策

本文应用灰色系统理论，建立了山西电网年最大电力负荷和峰谷差的灰色预测模型并计算出到2005年的年最大电力负荷和峰谷差的预测值。根据预测结果，针对解决电网调峰问题提出了相应的解决办法和措施。     

灰色自适应滤波组合优化预测模型及其应用

利用时负荷的周期性,分别建立了灰色模型和自适应滤波模型,按照组合预测理论,对两种模型进行组合以提高预测精度,经实例验证,结果令人满意。     

负荷预测的有限自动机模型

负荷预测是整个电力系统规划的依据,目前,国内外就此建立的数学模型也很多,特别是灰色预测模型＾［１,２］对此有过成功的运用,我们现引进有限自动机理论对模型作进一步剖析。     

电网短期电力负荷预测系统的研究

本文介绍了一个电网短期负荷预测系统。从实际出发，文中将平时和重大节目期间的负荷预测分别研究。首次提出了参数自校正时序倍比预测法，并将灰色预测模型引入节日负荷预测，具有较强的人工干预能力和自适应智能性。软件包将数据库与计算语言有机地结合起来，具有良好的汉化人机界面和输入输出方式。操作方便，实用性强，预测精度理想。该系统已在河北省电力局中调试运行。     

电力系统负荷预测方法研究与分析

负荷预测是电力系统规划和运行研究的重要内容,负荷预测的准确程度将直接影响到投资、网络布局和运行的合理性,其是保证电力系统可靠供电和经济运行的前提,是电力系统规划建设的依据,基于此分析了基于BP网络的短期负荷预测方法与基于灰色预测的中长期负荷预测方法。     

几种电力负荷预测方法及其比较

介绍了趋势分析法、回归分析法、指数平滑法、单耗法、灰色模型法、负荷密度法和弹性系数法等电力负荷预测的方法,并以预测珠海市全社会年用电量为实例,在适用条件、数据形式、计算难度和适用时间等方面对这几种预测方法进行了分析、比较、得出结论：回归分析法、趋势分析法适用于大样本,且过去、现在和未来发展模式均一致的预测,灰色模型法适用于贫信息条件下的预测;灰色系统理论采用生成数序列建模,回归分析法、趋势分析法采用原始数据建模,指数平滑法是通过对原始数据进行指数加权组合直接预测未来值的;回归分析法和趋势分析法的计算相对简单;单耗法、指数平滑法、灰色模型法较适宜近期预测,回归法、趋势分析法和改进型灰色模型较适于中、长期预测。     

消纳风电预测偏差功率的电采暖负荷群运行调度策略

构建以新能源为主体的新型电力系统将面临尖锐的调节资源供需矛盾,电采暖负荷具有可时移特性,是优质的存量可调节资源。拟挖掘电采暖负荷调节功率作为电网辅助备用,针对风电功率预测偏差消纳问题,设计了负荷聚合商响应风电预测偏差功率的调度架构,构建了电采暖负荷群响应风电预测偏差功率的轮流调控响应策略以最大化消纳偏差功率,设计了电采暖负荷群-风电场算例系统,基于此对所提出的电采暖负荷群响应风电预测偏差调控方法的有效性进行了仿真验证,并分析了负荷群参与响应后的经济性。     

基于灰色模型和Kalman平滑器的多母线短期负荷预测

提出一种基于灰色模型和Kalman平滑器的多母线短期负荷预测方法。首先利用频域分解消去母线负荷序列的周周期分量,建立序列的灰色模型;利用系统负荷预测方法得到系统负荷预测值。然后基于灰色模型,将各母线负荷的累加序列作为状态,系统负荷的累加序列作为观测,建立线性离散随机系统模型,利用Kalman平滑器计算各母线负荷累加序列的最优估计值,最后经过累减还原并加上周周期分量得到母线负荷的预测值。Kalman平滑器利用高准确率的系统负荷预测结果对母线负荷预测进行调整,降低预测误差。在实际系统中进行了仿真验证,证明了该方法的有效性。     

基于灰色和马尔科夫系统理论的需求侧响应能力预测

近年来,随着分布式电源、电动汽车、智能用电器在用户侧接入比例越来越高,可以调动的需求侧资源将越来越丰富。探究多重变量对需求侧响应的影响,提出基于灰色关联度的多阶灰色预测模型和马尔科夫链模糊矩阵相结合的预测方法,对长期需求侧响应能力进行预测。采用的多阶灰色预测模型主要考虑到了负荷自变量的时间特性以及多重外在变量的相关性,而灰色关联度分析方法可以定量的研究事物之间的关联程度,当状态变量和时间变量是离散数据时,马尔科夫链对灰色理论中间累加过程中产生的误差有较好的调整效果,因此采用马尔科夫链模糊矩阵对预测误差进行修正,提高了长期需求侧响应能力的预测精度。结合我国上海市近10年的负荷数据,验证了所提预测方法的有效性。