灰色理论在负荷预测中的应用与分析

根据各种应用实例分析原始数据量及原始数据的累积加次数对ＧＭ（１,１）,模型的影响,针对ＧＭ（１,１）模型在电力负荷预测中存在的问题,提出利用ＧＭ（１,１）,模型残差信息建模来缩小预测误差的方法,并指出依据原始数据的不同特点来选择不同的预测模型以期获得更佳的预测结果。     

用灰色系统理论预测电网的负荷

介绍了利用灰色系统理论预测永安电网负荷，阐述了构建模型的方法，并分析了预测结果的精度。     

区域电网年最大负荷概率预测

针对电力负荷预测中年最大负荷受多种因素影响的难点问题,提出了区域电网年最大负荷的概率预测,对年最大负荷概率模型中的均值和均方差分别建立了灰色模型和回归模型并对其作出预测.通过实例计算表明,该模型具有较高的精度.     

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...     

灰色Verhulst模型在中长期负荷预测中的应用

灰色系统预测模型用于中长期负荷预测是一种有效的方法。但是，当负荷按照“S”型曲线增长或增长处于饱和阶段时，采用灰色模型进行负荷预测的误差较大，预测精度不能满足实际要求。将灰色Verhulst模型引入到负荷预测中，可以很好地解决这个问题。作者通过典型的实例介绍了灰色Verhulst模型在中长期负荷预测中的应用。结果表明，此模型在负荷预测中是适用的，尤其对于负荷按“S”型曲线增长的情况，不但具有较高的预测精度，同时保留了灰色预测方法的优势和特点。     

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。     

灰色Elman神经网络的电网中长期负荷预测

为了降低原始负荷数据突变对Elman神经网络预测精度的影响,考虑电网负荷预测样本时变性强、不确定因素影响多的特点,利用Elman神经网络计算和适应时变特性的能力强、误差可控以及灰色理论所需计算数据少、计算量小,在样本较少的情况下也能达到较高预测精度的优点,建立灰色Elman神经网络的负荷预测模型,首次将灰色Elman神经网络模型在中长期负荷预测中应用.实例结果表明,该预测方法提高了预测精度、取得了较快的收敛速度,说明该模型是可行而有效的.     

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。     

灰色模型在电力负荷预测中的应用

分析了灰色模型在电力负荷预测中的适用条件，比较了一般GM（1，1）模型、新息模型和等维灰数递补模型等三种模型的精度及优缺点，利用丰富原始数据预测到各个数列所形成的区间，再利用电力发展与国民经济增长的关系，经过关联分析得到较为合理的预测结果，并用计算机软件提供具体预测方法。     

基于分形理论的昆明电网电力负荷预测

本文讨论了非线性电力负荷的自相似性问题,并根据负荷的该特性利用分形理论的拼贴定理与分形插值算法求取与负荷历史记录相近吸引子的迭代函数系统(IFS),为负荷预测研究开辟了新途径.对昆明电网2009年5月13日的负荷预测值与实际负荷点基本吻合.预测精度高.     

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。     

广东省电力需求最大负荷预测模型及预测

传统的预测电力负荷的方法是先通过弹性系数法等方法预测电量,再通过负荷特性研究给出最大负荷,但通常情况下没有给出明确的负荷与电量之间的关系。基于此,本文采用了一种细化产业结构的改进回归方程法,并考虑到极端天气等因素对广东省电力最大负荷进行了预测。预测结果表明,2020年广东省电力最大负荷应处于1.14亿~1.33亿kW之间,2030年应处于1.48亿~2.16亿kW之间。     

Long-Term Load Forecasting Using Grey System Theory

Supply and demand in power system planning and operation is required to be balanced. An operational reserve for protection against faults or accidental demands also is required. Therefore load forecasting is one of the most important fields and various load forecasting methods have been applied. In this paper the grey system theory which mats uncertain information is applied to the long-term load forecasting from three aspects: the point prediction; the interval prediction; and the topological forecasting. In the point prediction, the annual total demand is predicted, in the interval prediction, the annual peak demand is predicted, and in the topological forecasting, the date where a yearly maximum peak demand would occur is predicted. The grey dynamic model (abbreviated as GM model) is adopted as the predicted model. The GM model is a differential equation model which is different from most forecasting models. The GM model is quite powerful when combined with the preliminary transformation called the accumulated generating operation (AGO). This paper proposes a new method for the long-term load-forecasting problems involving uncertainty. The predicted results have been found to be very satisfactory. The grey system theory is a new tool which is very efficient for load forecasting.     

泰州电网负荷特性分析及负荷预测

随着地区经济的发展,泰州市大型、特大型企业日渐增多,用电负荷、电网规模不断增长与扩大.文中在分析泰州地区负荷特性分析的基础上,对如何做好泰州电网负荷预测工作展开讨论,针对影响负荷预测准确性的主要影响因素进行了详细分析,并对如何进一步提高负荷预测的准确性提出了解决办法.     

基于灰色理论的中长期负荷预测

对负荷预测中的灰色预测方法进行了深入的研究,找出了灰色建模的局限性并提出了改进方法.通过对负荷原始数据序列的预处理及优化,增强了灰色预测对波动负荷数据序列的处理能力,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.经过改进之后的模型,扩展了普通GM(1,1)模型的适应范围,提高了预测精度.利用实例将改进模型与普通GM(1,1)模型进行比较,证明改进模型具有比普通GM(1,1)模型误差小、精度高的优点.     

基于灰色模型的电力负荷短期预测

准确的负荷预测可以保证电网的安全稳定运行,提高电力系统运行的经济效益,为此,基于灰色理论建立了电力负荷预测模型,并结合陕西省汉中市区电力局某变电站2006年7月的实际负荷讨论了灰色模型在短期负荷预测中的应用,实例计算表明,该模型具有预测精度高、计算过程简单等特点。     

基于灰色模型的电力系统负荷预测

基于灰色理论建立了1种新的电力负荷预测模型。该模型应用累加(GAO)和累减(IGAO)方法生成了等维递补模型。由定例计算表明,该模型具有良好的精确性和应用性。     

基于优化灰色理论和神经网络的电力负荷短期预测

为提高电力系统短期负荷的预测精度,确保电网安全和经济运行,提出一种基于优化的灰色理论和Elman神经网络混合方法。该方法充分考虑温度因素、周类型、天气状况等影响预测精度的不确定因素,通过数据模拟预测,该方法具有较高的预测精度和收敛速度,在电力系统短期负荷预测中具有一定的应用价值。     

北京电网网格化空间负荷预测方法

电网负荷预测是电网规划的基础,负荷预测的准确性直接关系到电网规划质量与效果。相比于其他负荷预测方法,空间负荷预测法不仅可在时间上预测未来负荷,而且还可预测未来负荷的空间分布信息,为电网规划提供科学依据。网格化空间负荷预测方法以区域控制性规划为基础,以用地功能最小化为原则,将北京全市建设用地细分为44016个网格,并依据大样本实测数据建立的各类负荷指标模型,同时结合地块开发程度,进行差异化区域用电负荷预测,可准确预测出规划目标年饱和负荷大小及其空间布局,为电网规划提供科学的数据支撑。