下载文档原格式
GM(1,1)模型的改进
谢志博;贺启
【期刊名称】《低碳世界》
【年(卷),期】2016(000)027
【摘要】针对模型预测精度不稳定问题,本文从两个方面对模型进行了改进:①对原始序列进行对数变换法预处理前先进行标准化处理;②利用梯形面积法对背景值进行计算,并引入牛顿插值公式.通过实例验证了改进措施提高了模型的预测精度.【总页数】3页(P95-97)
【作者】谢志博;贺启
【作者单位】湖北省交通规划设计院;广东省输变电工程公司,广州
【正文语种】中文
【中图分类】TM715
【相关文献】
1.灰色模型GM(1,1)与GM(2,1)的改进和探讨
2.灰色模型GM(1,1)及其改进模型在短期特殊日电力负荷预测中的应用
3.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
4.GM(1,1)模型和Verhulst模型的改进及其应用
5.福建省2030年碳达峰前二氧化碳排放趋势研究——基于GM(1,1)、
GM(2,1)与GM(1,1)邓聚龙灰色预测模型
因版权原因，仅展示原文概要，查看原文内容请购买。
自组织灰色神经网络中的基于电力系统短期负荷预测方法应用研究摘要:基于自组织灰色神经网络中的电力系统异常短期负荷数据辨识与修正方法应用,然后分别进行前向自组织灰色插值法和后向自组织灰色插值法对缺失点短期负荷进行预测,来优化两种预测的最优组合来确定最终的填补值;在填补短期负荷缺失点的同时,也对短期负荷序列中的异常值使用自组织灰色插值方法进行了辨识及修正。
关键词:电力系统; 短期负荷预测; 预测方法; 实际应用随着计算机应用技术与电力系统短期负荷预测快速发展,在自组织灰色神经网络的非线性动力学性质,主要采用动力学系统理论来分析电力系统短期负荷预测自组织灰色神经网络的演化过程和吸引子的性质,促进自组织灰色神经网络的协同行为和集体计算功能和电力系统短期负荷预测以及电力系统发电计划的重要组成部分,也是电力系统经济运行的基础管理。
促进国家电网运行的安全性、稳定性及经济性,优化电能质量控制及准确的优化电力系统短期负荷预测效果。
因此,在电力系统短期负荷预测的关键是提高定位精确度。
在当前电力发展迅速和供应紧张的情况下,合理优化电力系统短期负荷预测也是我国实现电力市场的必备条件,具有重要的自组织灰色神经网络中的实用价值。
1 大规模电力系统短期负荷预测原理研究短期负荷预测包括两方面的含义对未来需求量的预测和未来用电量的预测。
电力需求量的预测决定发电、输电、配电系统新增容量的大小;电能预测决定发电设备的类型。
短期负荷预测的目的就是提供短期负荷发展状况及水平,同时确定各供电区、各规划年供用电量、供用电最大短期负荷和规划地区总的短期负荷发展水平,确定各规划年用电短期负荷构成不同的预测目的,短期负荷预测可分为超短期、短期和中长期的预测。
一般说来,一小时以内的短期负荷预测为超短期负荷预测,用于安全监视、预防性控制和紧急状态处理;日短期负荷和周短期负荷预测为短期负荷预测,分别用于安排日调度计划和周调度计划和月至年的短期负荷预测为中期短期负荷预测,主要确定电网的运行方式和设备大修计划。
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。
基于灰色预测的电力系统短期负荷预测研究电力系统是国家经济的重要组成部分，而短期负荷预测作为电力系统调度中的重要环节，对于保证电力系统的安全稳定运行有着不可或缺的作用。
目前，国内外学者们采用多种方法进行短期负荷预测，其中基于灰色预测的方法因其特殊的模型结构和预测精度受人青睐，本文将基于灰色预测的电力系统短期负荷预测研究进行探讨。
一、灰色预测模型的概述灰色预测模型，是一种处理少样本、不确定、模糊信息的数学模型，其思想核心在于将不确定信息转化为确定性信息，并借助此构建预测模型。
灰色预测模型的主要特点是具有较少的输入数据和简单的模型结构，能够适应复杂非线性系统的预测需求，并拥有较高的预测精度和可解释性。
二、短期负荷预测研究现状分析目前，国内外学者们在短期负荷预测方面采用了多种方法，如传统的时间序列方法、统计方法、神经网络方法、群集分析方法、回归分析方法、模糊系统方法等。
虽然这些方法各有优缺点，但是基于灰色预测的方法由于其独到的模型结构和预测精度优势，已经成为短期负荷预测领域中备受关注的一种方法。
三、基于灰色预测的短期负荷预测模型灰色预测模型在短期负荷预测中主要分为以下三种：GM(1,1)模型、GM(0,1)模型和DGM(1,1)模型。
1、GM(1,1)模型GM(1,1)模型是灰色预测模型中最基础的模型，其主要思想是将原始数据一次累加、得到一段累加变化量数据，然后对得到的累加变化量作一阶差分，得到经过时间规划后的新数据，最后还原新数据为预测值。
GM(1,1)模型的缺点是对数据的平稳性要求较高，数据需要经过平稳化处理后才可使用。
2、GM(0,1)模型GM(0,1)模型也称为恒比率模型，假设短期负荷预测值的变化率可以用一定的恒定倍数来表达，建立了一个无数增长模型，通过对未来负荷增长趋势的预测，得出未来的负荷预测值。
GM(0,1)模型的优点是对原始数据的平稳性要求不高，并且具有较高的预测精度。
3、DGM(1,1)模型DGM(1,1)模型是在GM(1,1)模型基础上引入差分的概念，即一阶加权差分作为新的累加变化量数据。
电力系统中的负荷预测方法在当今社会，电力作为一种至关重要的能源形式，其稳定供应对于经济发展和人们的日常生活具有举足轻重的意义。
而电力系统中的负荷预测，作为电力规划、运行和调度的重要依据，对于确保电力系统的安全、可靠和经济运行起着关键作用。
那么，究竟有哪些方法可以用来进行电力系统的负荷预测呢？首先，我们来谈谈基于时间序列分析的方法。
这种方法把历史的负荷数据看作是一个随时间变化的序列，通过对这个序列的分析和建模来预测未来的负荷。
常见的时间序列模型有自回归移动平均（ARMA）模型和自回归积分移动平均（ARIMA）模型。
ARMA 模型假设当前的负荷值是过去若干个负荷值和随机干扰项的线性组合。
它通过对历史数据的统计分析，确定模型的参数，从而进行预测。
而 ARIMA 模型则是在 ARMA 模型的基础上，考虑了数据的非平稳性，通过对数据进行差分处理，使其变为平稳序列后再进行建模。
时间序列分析方法的优点是计算相对简单，对短期负荷预测往往能取得较好的效果。
但它也有局限性，比如对于负荷数据中的突变点和异常值比较敏感，而且对于外部因素的影响考虑不足。
接下来是回归分析方法。
这种方法试图建立负荷与各种影响因素之间的线性或非线性关系。
常见的影响因素包括气温、日期类型（工作日、周末、节假日等）、经济指标等。
通过收集大量的历史数据，运用统计方法确定回归方程的参数，从而可以根据给定的影响因素值来预测负荷。
多元线性回归是其中较为常见的一种形式。
它假设负荷与各个影响因素之间是线性关系。
但在实际情况中，这种线性关系往往并不准确，于是就有了非线性回归方法，如多项式回归、逻辑回归等。
回归分析方法的优点是能够清晰地展示负荷与影响因素之间的关系，预测结果具有一定的解释性。
然而，它需要准确地选择影响因素和建立合适的模型，否则可能导致预测误差较大。
再说说灰色预测方法。
灰色系统理论认为，部分信息已知、部分信息未知的系统可以被看作是灰色系统。
电力负荷系统就是这样一个灰色系统，因为我们虽然有一定的历史负荷数据，但对于未来的影响因素和变化趋势并不完全清楚。
浅谈短期电力负荷预测的关键问题及方法摘要：电能的使用是人类能源的一次革命，人们对其他能源的使用，诸如风能、核能、潮汐等能源的使用，基本上都是先转化成电能，储存起来，再备他用。
电力系统的稳定、安全运行已成为国民经济运行的重要前提。
而有效地电力负荷预测又是电力系统安全稳定运行的基础。
本文主要从电力负荷预测的意义、目前存在的一些问题以及常用的预测的研究方法来阐述。
关键字：短期电力负荷；负荷预测；研究方法当今，科学技术的发明，电力作为生产的推动力已经成为必不可少的部分。
电能作为能量的储备，不断地进入市场，电力的市场化使得世界范围内的可再生能源大力发展，带来了能源的革命。
在现在电力为主导能源的时代，掌握电力信息，提前了解未来一段时间的用电情况，电力系统的供电量，可以切实的保障电力系统的正常运行，维护经济的稳定发展。
然而，不确定因素的增加、天气环境的多变又给电力负荷加大了挑战，电力负荷预测就变得更加重要。
一、电力负荷预测的重要意义电力负荷预测是以未来电力需求量、未来用电量以及负荷曲线的为对象进行监测，预测出未来电力负荷的时间、空间分布，从而为电力系统规划和运行提供预测依据。
对于电力系统来说，要保障系统的安全、稳定、经济的运行，电力系统负荷预测必不可少。
准确的负荷预测不仅可以提高电网安全，还可以改善电能质量。
根据预测的时间长短，负荷预测可分为超短期（指未来一小时内的预测）、短期预测（一般是对未来一天到一周的预测）、中期预测（即未来几个月到一年内的预测）和长期预测（指提前几年甚至更长的预测）。
超短期预测由于提前时间最短，精度比较高，通常用于对电能质量的控制，监管电力系统的安全，预防、控制电力系统，防止出现故障。
时间稍长的短期预测在优化机组组合，控制经济潮流、进行水火电的协调方面发挥的重要作用。
提前几个月到一年的负荷预测，便于水库调度、燃料计划的实施，也为机组的更换、维修创造了机会。
在对电网的改造、系统的规划、以致扩建厂房的方面，需要较长时间的规划和准备，掌握电力负荷的长期需求就会留给这些以充足的时间。
