共查询到19条相似文献,搜索用时 78 毫秒
1.
为了实现对测量仪器校准间隔的优化,对其校准数据进行建模,用GM(1,1)灰色预测模型预测参数的总体发展趋势,在此基础上利用BP神经网络对残差序列进行建模,通过训练补偿预测参数在总体趋势下的随机波动,从而得到校准数据的预测值。给出基于残差补偿的GM预测模型,对校准间隔进行动态优化,并通过实验对预测模型进行了验证。结果表明,此模型得到了较好的预测结果,既能预测总体趋势也能适应随机波动,并且简单易行,具有较强的普适性。 相似文献
2.
中长期电力负荷走向趋势曲线往往呈S型,直接运用灰色GM(1,1)模型预测会造成较大的偏差。针对负荷曲线固有的发展趋势,根据曲线发展的不同阶段分阶段预测,采用GM(1,1)模型进行第一阶段的预测,采用残差修正模型进行第二阶段的预测。在分阶段预测的基础上,根据每一阶段的预测精度分配权重,进行组合预测。该方法将数据本身发展趋势和模型固有优点相结合,预测结果表明该方法在提高精度上有可行性。 相似文献
3.
灰色GM(1,1)预测模型,要求样本数据少,具有原理简单、运算方便、短期预测精度高、可检验等优点,在负荷预测中得到了广泛应用,但是也有其局限性.当数据灰度越大,预测精度越差,且不太适合经济长期后推若干年的预测,在一定程度上是由模型中的参数α造成的,为此引入向量θ,建立残差GM(1,1,θ)模型,利用蚁群优化算法对其进行求解,同时应用神经网络对其预测残差进行优化.实证分析表明,与传统的预测方法相比,大大提高了预测精度,该方法具有一定的实用价值. 相似文献
4.
5.
6.
灰色预测技术研究进展综述 总被引:1,自引:0,他引:1
灰色预测技术是灰色系统理论的重要分支之一。分析了GM(1,1)模型的性质、GM(1,1)模型的改进与优化、GM(1,1)模型参数估计、GM(1,1)模型初始条件优化、GM(1,1)模型的扩展与应用及幂模型的研究进展;最后对灰色预测模型的未来研究方向提出了建议。 相似文献
7.
8.
基于灰色Verhulst和灰色马尔科夫的电力负荷预测组合模型 总被引:1,自引:0,他引:1
本文提出了电力系统中长期负荷预测的线性组合模型,即基于灰色Verhulst和灰色马尔科夫的组合模型。针对中长期负荷日趋饱和的特点,采用具有S型预测曲线的灰色Verhulst模型进行预测;针对灰色模型预测随机波动较大的负荷时拟合性较差的缺点,采用马尔科夫理论对灰色模型进行修正,弥补了灰色模型固有缺陷,提高其预测精度。通过线性组合法将灰色Verhulst模型与灰色马尔科夫模型相结合,规避了单一算法模型产生较大误差的风险,进一步提高了预测准确性。算例表明,该组合模型精度较高,具有实用性与可行性。 相似文献
9.
提出了一种提高对可能发生较大畸变序列的负荷预测精度的方法。由于电力负荷受天气、节日、经济等较多因素影响,在时间序列上表现为非平稳的随机过程,在某些年份负荷值可能会出现较大畸变,导致模型预测精度下降。分三步对畸变较大的数据样本进行预测以及误差分析,首先建立灰色预测模型,然后利用残差进行模型修正以增加序列波动性,而后用改进的马尔科夫链进行误差修正以提高精度。采用某市1998年至2013年最大负荷作为样本数据验证算法有效性,算例结果表明:与传统灰色系统预测模型相比,此模型有更高的拟合精度和预测精度。此方法的优势在于:在相同样本情况下,拟合程度高并且可以明显修正畸变数据带来的误差。 相似文献
10.
11.
12.
13.
14.
通过对咸阳地区分行业用电结构的分析,应用GM(1,1)模型预测了未来咸阳地区的电力需求和最大负荷,咸阳地区电力需求是分阶段的,与国民经济发展呈线性关系的,其发展速度具有一定的周期性。 相似文献
15.
16.
针对模型参数变化和噪声干扰的静止同步补偿器(STATCOM)单机无穷大系统,提出了一种基于灰色预测的无功电流控制。运用GM(1,1)模型预测下一时刻的无功电流,并根据STATCOM非线性数学模型建立了系统无功补偿电流的控制模型。从而将无功电流灰色预测控制补偿到PID控制中,利用来色系统理论进行预报,具有不必完全知道被控对象结构、参数和特性的优点,这对于像STATCOM这样大型非线性系统的预测控制实现非常有利。仿真结果表明,该方法比传统的PID控制具有更强的跟踪能力和鲁棒性。 相似文献
17.
风速具有较大的随机波动性,影响风电及其与之相连电网的运行稳定性,良好的风速和风电功率预测是解决风电并网问题的关键。为此,对用于风速预测的灰色模型和马尔可夫链模型进行比较分析。通过对灰色拟合值的误差转移序列进行分析及建立马尔可夫链状态转移概率矩阵,得出灰色-马尔可夫链预测模型,进而求得风速的误差预测值。并用马尔可夫链转移概率矩阵的期望值对传统马尔可夫链进行改进,得出改进型灰色-马尔可夫链模型,以此对风电功率进行直接预测,并与功率曲线模型法进行对比分析。结果表明,改进型灰色-马尔可夫链模型预测精度更高。 相似文献
18.