优化系数的NGM(1,1,k)模型在中长期电量预测中的应用

GM（1，1）模型在电力系统负荷预测中的应用研究【摘要】负荷预测是电力系统的重要工作之一，对电力系统各个部门的工作都起着非常重要的作用。

科学准确的负荷预测可以让电力决策部门经济合理地安排发电机组的启停，调整线路的潮流，使其更加合理，提前制订设备的检修计划，从而确保电网在安全稳定运行的前提下，系统运行的经济效益也能得到很大的提高。

本文重点介绍了gm（1，1）模型的基本理论和建模步骤，结合matlab 软件对数据的仿真，得出了影响模型精度的主要因素，对模型的改进提供了可行性的建议，这对未来灰色理论模型的进一步研究具有十分重要的意义。

【关键词】负荷预测 gm（1，1）模型 matlab软件灰色系统理论是邓聚龙教授于80年代初提出的，经过三十年的发展，灰色理论已被广泛的应用于各个领域。

灰色系统是一个信息不完全系统，也就是说一部分信息已知，一部分未知，对于电力系统而言，虽然电网容量，机组数量，生产情况，用电信息是已知的，但是影响电力负荷的其他大量因素确实未知的，因此具有灰色特性，而且随着社会经济的发展，电力负荷又呈增长趋势，随着时间的累积它是一个非负的递增序列，满足灰色建模的基本条件，可以用灰色模型进行预测[2]灰色模型的原理简单、运算方便，要求原始数据少，不考虑分布规律，易于检验等，是进行负荷预测的有效方法。

1 灰色理论的基本概念1.1 灰数在数学理论中存在某种数，只能估计出它的大概范围，但是得不到它的准确值，这类数被称为灰数。

在实际应用中，灰数是在一个数集内取值不确定的数或者是信息不完全的数，用符号“”表示。

灰数一般分为，离散灰数，连续灰数等。

在灰色预测理论中，gm（1，1）模型是灰色预测的核心，但是它只能对实数序列进行建模，无法对灰色序列进行建模预测。

随着社会的进步、科技的发展，人类所涉及的系统越来越复杂，在这种背景下，传统的以实数序列为建模对象的模型，就很难满足实际的建模要求。

由于灰数序列的序列结构比实数序列更复杂，所以不能用对实数序列建模的传统灰色预测建模方法来对灰数序列进行建模，这也造成目前该领域的研究成果极其缺乏。

基于DGM(1,1)与DNGM(1,1)模型评估能源消耗趋势
韩静;刘西林;王辉;李辉
【期刊名称】《能源与节能》
【年(卷),期】2023()1
【摘要】灰色预测模型适用于不确定性系统,它的离散模型DGM(1,1)模型和DNGM(1,1)模型都被认为是通用的时间序列预测模型,且都能实现对齐次指数序列的无偏模拟。

分别利用DGM(1,1)模型和DNGM(1,1)模型对中国能源消耗总量统计数据进行建模,通过比较2种模型对数据的模拟精度,发现DNGM(1,1)模型预测效果更好。

最后,利用DNGM(1,1)模型预测到中国2022年、2023年的能源消耗总量分别为5.064 457 522×10^(9)t,5.137 593 946×10^(9)t。

比较了中国一次能源生产总量与能源消耗总量的增长速度,从可持续发展的角度分析了一次能源生产与能源消耗的关系。

【总页数】5页(P1-5)
【作者】韩静;刘西林;王辉;李辉
【作者单位】安顺学院数理学院;太原理工大学大数据学院
【正文语种】中文
【中图分类】N949;F426
【相关文献】
1.基于GM(1,1)模型与灰色马尔可夫GM(1,1)模型的核动力装置趋势预测方法研究
2.基于GM（1,1）和DGM（1,1）模型的变形监测数据处理与分析
3.基于
DGM(1,1)模型的重庆市大气污染物浓度预测分析与研究4.基于DGM(1,1)模型的重庆市大气污染物浓度预测分析与研究5.基于DNGM(1,1)模型的沥青路面技术状况预测分析
因版权原因，仅展示原文概要，查看原文内容请购买。

基于数据融合算法优化的GM(1,1)负荷预测模型孟欣;李郁侠【摘要】为了提高中长期电力负荷预测的精度,改进传统灰色GM(1,1)模型在中长期负荷预测中因部分原始背景数据的偶然性偏差而导致预测精度降低的问题,提出了将数据融合算法与GM(1,1)模型相结合以形成数据融合算法优化下的GM(1,1)模型.首先对特定年采用多个不同历史数据进行GM(1,1)模型预测,利用数据融合算法对多次预测值进行优化分析,获得优化后的预测结果,最后通过对某电力系统年用电负荷进行实例分析,证明数据融合优化下的GM(1,1)模型具有较高预测精度.实践证明所建立的模型对电力系统中长期负荷具有良好预测能力.%In order to improve the precision of load forecasting of the medium-and long-term power and to solve the problem of accuracy reduction of traditional grey GM (1,1) model caused by the contingency deviation of the original background data in the medium-and long-term load forecasting, this paper suggests a solution to combine the data fusion algorithm with the GM (1,1) model so as to form an optimized GM( 1, 1) model based on the data fusion algorithm. First of all for a particular year, a number of different historical background data are taken for GM (1,1) model prediction. Then data fusion algorithm can be used to make optimization analysis on multiple predicted value and the optimized forecasting results can be obtained. Finally, through the case analysis of the annual electricity load of a power system, it can be proved that the optimized GM (1,1) model based on data fusion has higher prediction accuracy and that it hasa good predictive ability for the medium and long term load in the electricity system.【期刊名称】《西安理工大学学报》【年(卷),期】2012(028)004【总页数】4页(P449-452)【关键词】负荷预测;灰色模型;数据融合【作者】孟欣;李郁侠【作者单位】西安理工大学水利水电学院,陕西西安710048;陕西理工学院机械工程学院,陕西汉中723000;西安理工大学水利水电学院,陕西西安710048【正文语种】中文【中图分类】TM715电力系统负荷预测作为电力系统现代化管理的重要内容之一，在电力系统的控制、运行和规划方面具有非常重要的作用，尤其是对中长期电力系统负荷的预测，体现了未来负荷发展的规律，可为未来负荷规划提供可靠的依据。

基于灰色理论GM(1,1)模型的企业能耗预测方法与实例研究曾国毅;于凤江;杨帆;赵荣泳【摘要】企业生产过程中影响能源消耗量的因素繁多、影响关系复杂,导致能源预测较为困难.论文引入灰色理论,提出了基于GM(1,1)模型的企业能源消耗预测方法.以某企业历史能耗样本数据为基础,运用GM(1,1)模型,对2014-2020年的企业能耗总量进行了预测和分析.通过对其真实值与预测值相对误差等指标的分析验证,得到2014-2020年的能源需求量.论文提出的能源预测方法可作为评估项目经济效益的依据,为企业生产的有序用能安排提供了较为实用的技术手段.【期刊名称】《机电产品开发与创新》【年(卷),期】2015(028)001【总页数】3页(P1-3)【关键词】能源消耗;能源预测;灰色理论;GM(1,1)【作者】曾国毅;于凤江;杨帆;赵荣泳【作者单位】上海飞机制造有限公司安全保障部,上海200436;上海飞机制造有限公司安全保障部,上海200436;上海飞机制造有限公司安全保障部,上海200436;同济大学CIMS研究中心,上海201804【正文语种】中文【中图分类】TE0我国是世界能耗大国，而工业企业能耗占我国企业能耗的主要部分，正确了解企业能耗的需求情况，对稳定企业节能减排，履行企业社会责任会起基础性服务作用。

国内外能源消耗量预测的方法主要有主观推断法、GDP单能耗预测法、弹性系数法、趋势外推法、因果分析法、指数平滑法、时间回归法、神经网络方法及灰色预测方法［1-3］等。

由于C企业每年迅速发展，为提升制造能力，生产能力和人员每年都急剧发展，因此相应的能耗也飞速增加，并且没有明显的规律，如何预测今后的能耗成为一个难题，灰色理论可以实现利用较少的数据进行能耗预测，预测结果将作为项目需求和可行性研究的重要依据。

灰色系统的概念是由邓聚龙教授于1982年提出的，它用于描述和研究部分信息己知，部分未知的系统。

如果某一系统的全部信息已知为白色系统，全部信息未知为黑箱系统，部分信息已知、部分信息未知，那么这一系统就是灰色系统。

GM（1，N）改进模型在年度售电量预测中的应用作者：李晓波来源：《中国新技术新产品》2016年第03期摘要：本文基于GM（1，N）模型提出一种年度售电量预测新方法。

首先对GM（1，N）模型的背景值进行修正，建立GM（1，N）改进模型；然后利用斜率关联分析法和试探法选择影响售电量的显著因素。

通过实际算例仿真，结果表明本文方法能够有效提高预测精度。

关键词：售电量预测；GM（1，N）模型；背景值；斜率关联度中图分类号：N941.5 文献标识码：A1 引言随着电力体制改革的不断深化，电网企业越来越重视年度售电量预测工作。

电网企业制定营销决策、编制年度购电量计划、降低供电成本等工作都离不开科学的年度售电量预测。

提高年度售电量预测精度对推动电力市场发展具有深远意义。

作为灰色系统理论的重要应用，灰色预测由于其原理简单、计算容易以及所需样本数少等优点，在售电量预测中有很好的应用前景。

其中，GM（1，1）模型是一种常用的售电量预测模型，但GM（1，1）模型将售电量当成“纯粹”的数据，只分析售电量数据自身的规律，无法反映外部因素对售电量变化规律的影响，其预测结果也无法令人信服。

因此有必要将售电量的影响因素引入到灰色预测模型。

文献[3]虽然将国民经济发展加入GM（1，1）模型中，但该模型只能反映国民经济发展单个因素对需电量的影响。

文献[4]、[5]都基于灰色关联分析法，分别提出多因素MGM（1，N）模型和多因素灰色模型群建模法，两种方法都综合考虑了多种因素的影响，但未涉及显著因素的选择。

本文提出了一种基于GM（1，N）改进模型的年度售电量预测方法。

首先对GM（1，N）模型的背景值进行修正，建立GM（1，N）改进模型；其次，利用斜率关联分析法和试探法选择影响售电量的显著因素；最后对地区电网企业的年度售电量进行预测分析，结果验证了该改进模型的有效性。

2 普通GM（1，N）模型设售电量的原始序列X1（ 0），其影响因素原始序列Xi（ 0）（i=2，3，...，N），故GM（1，N）模型原始序列为Xi（ 0）=[Xi（ 0）（1），Xi（ 0）（2），...， Xi（ 0）（m）]（i=1，2，...，N）对原始序列Xi（ 0）进行一次累加，得到生成序列Xi（ 1）=[Xi（ 1）（1），Xi（ 1）（2），...， Xi（ 1）（m）]（i=1，2，...，N）建立GM（1，N）模型，即X1（ 0）（k）+az1（ 1）（k）=Φ（k）（1）z1（ 1）（k）=λx1（ 1）（k-1）+（1-λ） x1（ 1）（k）（0背景值Z1（ 1）一般为X1（ 1）的紧邻均值生成序列，即λ=0.5。

优化NGM(1,1,k)模型在国内能源消费中的应用
石季雨;余思瑶;易叶青
【期刊名称】《吉首大学学报:自然科学版》
【年(卷),期】2022(43)4
【摘要】为探究中国国内能源消费的未来发展趋势,建立了优化的NGM(1,1,k)模型来研究中国国内的能源消费情况,将优化模型和其他2个灰色预测模型分别应用于中国国内能源消耗的案例,并通过5个常用的预测模型性能评价指标进行比较.案例结果表明,ONGM (1,1,k)模型在应用案例中表现最好,从而证实了模型的可行性和有效性.将新陈代谢的思想引入到ONGM (1,1,k)模型中,对未来5年中国国内能源消耗情况进行了合理预测.
【总页数】7页(P27-33)
【作者】石季雨;余思瑶;易叶青
【作者单位】湖南人文科技学院;韶关学院
【正文语种】中文
【中图分类】N941.5
【相关文献】
1.灰色GM（1，1）模型在能源消费预测中的应用
2.灰色GM（1,1）模型在能源消费预测中的应用
3.优化系数的NGM（1,1,k）模型在中长期电量预测中的应用
4.初始条件优化的正态分布区间灰数NGM(1,1)预测模型
5.内涵型NGM(1,1,K)预测模型及其在油液光谱分析中的应用
因版权原因，仅展示原文概要，查看原文内容请购买。

基于GM（1,1）模型的中国制造业发展主要能源消费预测巩泽俊
【期刊名称】《科学技术创新》
【年(卷),期】2018(000)003
【摘要】制造业是我国的支柱产业,科学可靠的制造业能源消耗预测对保障我国经济可持续发展和相关政策制定具有重要意义。

目前我国经济发展仍面临许多不确定因素,本文针对制造业2005-2015年8类能源消费数据,应用灰色GM（1,1）预测模型,对2016-2020年全国制造业各种能源消耗进行预测,并对模拟结果进行残差精度检验。

预测表明：GM（1,1）预测模型具有较高的预测精度,可为全国制定制造业能源战略规划提供一定的依据;未来5年制造业能源消耗总体呈上升趋势,以煤炭为主的能源消费结构有所改观,汽油、柴油消费呈现明显的下降趋势。

研究表明,我国制造行业在能源效率的政策调控效果明显,技术进步取得了一定的进展。

【总页数】6页(P155-160)
【作者】巩泽俊
【作者单位】南京市第十三中学,江苏南京210088
【正文语种】中文
【中图分类】TK018
【相关文献】
1.基于灰色模型GM(1,1)的河南省能源消费预测 [J], 李壮;胡炳清
2.中国能源消费预测的GM(1,1)模型研究 [J], 孙李红;张瑜;焦艳会
3.基于GM(1,1)模型的中国制造业发展主要能源消费预测 [J], 巩泽俊
4.基于成分数据与修正GM(1,1)模型的能源消费预测 [J], 陈倩倩
5.基于GM(1,1)模型的中国能源消费预测研究 [J], 陈洪涛;周德群
因版权原因，仅展示原文概要，查看原文内容请购买。

灰色模型在中长期用水量预测中的应用张鑫;赵晴;史成波【摘要】为实现供水管网经济、可靠、科学的规划改扩建,给出一种基于记录时间较短、历史数据较少的用水量序列的GM(1,1)预测方法.该预测方法把原始用水量序列累加处理生成新序列后,用指数关系式拟合,通过构造参数矩阵,确定辩识参数,建立灰色模型的微分方程.通过对灰色预测方法建模机理的研究建立城市用水量预测GM(1,1)模型,并以东北某大型城市用水量为原始数据进行实际预测,模型精度检验的结果表明该模型的预测等级为高精度预测.该预测方法应用于S市的中长期用水量预测,为S市供水规划改扩建提供有效依据.【期刊名称】《交通科技与经济》【年(卷),期】2011(013)004【总页数】3页(P113-115)【关键词】供水管网;规划;改扩建;用水量预测;灰色模型【作者】张鑫;赵晴;史成波【作者单位】黑龙江工程学院土木与建筑工程学院,黑龙江哈尔滨150050;广州大学土木工程学院,广东广州510006;中国市政工程中南设计研究总院,湖北武汉430010【正文语种】中文【中图分类】TU991.31随着城市的快速发展，居民生活水平日益提高，城市用水人口也不断增加，城市用水量亦随之不断变化。

因此，进行城市用水量预测对于城市供水系统的规划管理以及市政建设资金的投入与合理利用有着相当重要的作用。

同时，对城市用水量进行预测是进行城市发展规划、水源规划、给排水布局以及节水措施选择的重要依据，是城市供水管网系统改扩建规划优化设计的基础和前期工作［1］。

由于在不同时刻城市经济生产和居民生活情况的不断变动，用水量会有一定的波动。

在短期内，城市用水量的变化具有周期性，如月用水量的年周期性、时用水量的日周期性等；从较长时间来看，它又具有年增长的趋势。

这就使得城市用水量预测成为可能。

1 用水量预测的一般步骤城市用水量预测就是根据城市历史用水量数据的变化规律，并考虑社会、经济等主观因素和天气状况等客观因素的影响，利用科学的、系统的或经验的数学方法，在满足一定精度要求的意义下，对城市未来某时间段内的用水量进行预测［2］。

基于二次插值的GM(1,1)模型在用电量预测中的应用吴国锋【摘要】江苏省是东部沿海地区经济发展较快的省份,对电力的需求很大,用电量预测十分重要.文章从江苏省电力资源需求现状入手,以江苏省大量的历史数据作为分析基础,利用二次Lagrange插值方法改进传统灰色GM(1,1)预测模型背景值,避免了Runge现象,达到提高预测精度的目的,并通过实例验证了该方法的有效性.【期刊名称】《安徽职业技术学院学报》【年(卷),期】2010(009)002【总页数】3页(P17-19)【关键词】灰色预测模型;背景值;二次插值;GM(1,1)模型【作者】吴国锋【作者单位】江苏省吴江市供电公司,江苏,吴江,215200;上海理工大学,管理学院,上海,200093【正文语种】中文【中图分类】N941.5江苏省地处我国东部沿海和长江三角洲地区,改革开放以来,经济持续快速发展,能源消耗需求巨大,电力供应已经不能满足经济发展的要求,电力缺乏已经成为制约经济发展的瓶颈。

解决电力短缺问题的首要问题是做好电力需求的预测,它将给电力系统乃至整个社会带来不可估量的社会和经济效益。

用电量预测的方法有很多,灰色GM(1,1)预测模型就是其中最常用的一种。

灰色GM(1,1)模型具有需求样本数据少、运算方便等优点,因而得到了广泛的应用。

但是,和其他预测方法一样,它也存在一定的局限性。

因此,近年来,GM(1, 1)模型的改进与优化研究受到了许多学者的关注。

本文在灰色GM(1,1)模型的基础上,结合插值方法,对用电量进行短期预测,仿真算例表明,本文所提方法大大的提高了预测精度,为电能的智能调配提供了较好的辅助决策支持。

在传统的 GM(1,1)预测模型[3]中,其背景值的构造采用公式:背景值z(1)(k+1)是 x(1)(t)在区间[k,k+1]上的定积分,实际上是用梯形公式求出此定积分的近似值作为背景值;但是梯形公式的误差较大,从而导致模型预测的偏差较大。

收稿日期:2006-04-17作者简介:刘德钊(1977-),男,山东郓城人,山东建筑大学市政与环境工程学院助教,硕士,主要从事管网优化、污水深度处理方向的研究.文章编号:1673-7644(2006)04-0335-03G NNM (1,1)模型在城市用水量预测中的应用刘德钊1,2,周海东3,荣莉2,赵洪宾2,王琦1(1.山东建筑大学市政与环境工程学院,山东济南250101;2.哈尔滨工业大学市政环境工程学院,黑龙江哈尔滨150090;3.济南市历城区青龙山水厂,山东济南250103)摘要:我国城市年用水量数据较少并与诸多因素息息相关,是一个典型的灰色系统。

本文利用灰色系统的少数据建模优点和神经网络的精度可控性优点,建立了城市年用水量的灰色神经网络G NNM (1,1)模型。

利用该模型对S 市城市用水量进行了实际预测研究,实例证明了该方法的正确性和科学性。

关键词:城市年用水量;预测;灰色神经网络;预测精度中图分类号:T U991 文献标识码:APredicting w ater demands of cities by GNNM (1,1)LI U De 2zhao1,2,ZHOU Hai 2dong 3,RONGLi 2,et al .(1.School of Municipal and Environmental Engineering ,Shandong Jianzhu University ,Jinan 250101,China ;2.School of Mu 2nicipal and Environmental Engineering ,Ha ’erbin University of T echnology ,Ha ’erbin 150090,China ;3.Qinglongshan Water Plant in Jinan Licheng Region ,Jinan 250103,China )Abstract :The data of yearly water 2demands of Chinese cities are relatively few and com plex.In this paper ,a grey neural netw ork m odel ,G NNM (1,1),is put forward by taking advantages of a few data 2requirement in grey system and controllable precision in neural netw orks to predict the yearly water 2demands.By practical ap 2plication in S city the m odel is proved to be effective and practical.K ey w ords :yearly water 2demands of cities ;predicting ;gray neural netw orks ;predicting precision0　概述 近年来,我国各大、中城市普遍呈现供水紧张的状况,水危机和供水建设资金的限制严重制约了城市经济的发展和人民生活水平的提高,使人们更加认识到城市用水量预测的必要性和重要性[1]。