论文部分内容阅读
摘 要：电力负荷预测为编制电力规划提供依据，保持社会正常生产和生活。本文介绍了灰色预测方法，同时还应用了新陈代谢的思想改进了GM（1，1）模型。以广西贵港供电局平南10KV大有线为例，验证了改进后的灰色模型比常规的GM（1，1）模型要有较高的预测精度。
关键词：电力短期负荷预测 GM（1，1）模型 新陈代谢
一、引言
电力负荷预测是电网实时控制、运行计划和发展规划的前提。准确的短期电力负荷预测，可以在夏冬用电高峰期时及时可靠的制定地区负荷供限电方案，保持社会正常生产和生活；同时也可以经济合理的安排电网内部发电机组的启停和检修计划，保持电网运行的安全稳定性。本文在进行短期电力负荷预测的研究中，对普通灰色GM（1， 1）模型进行了必要的改进，使短期电力负荷的预测精度有了较好的保证。
二、灰色GM（1，1）模型的构建
灰色系统理论是我国华中科技大学邓聚龙教授在1982年首次提出。其核心思想是从不规律的信息中提取规律的信息。灰色理论克服了传统的回归分析中大样本的问题，以及样本统计要具有规律性的问题。其中GM（1，1）模型是最常用的一种灰色模型，它是由一个只包含一个变量的一阶微分方程构成的模型，是作为电力负荷预测的一种较为有效的模型。灰色GM（1，1）模型的实质是对原始数据做一次累加生成，即将原始数列一次累加后，生成数据呈现指数规律，通过建立微分方程模型，求得拟合曲线后再累减还原即可得到预測值。
三、新陈代谢建模
在通常情况下，应用普通灰色模型GM（1，1）进行预测时，会发现仅仅在前1～2个点具有较高的精度，越往未来发展其后的值的预测意义就越弱。因而，在实际应用中，要不断的考虑随着时间的推移，相继进入系统的新的影响因素。同时，随着系统的发展，老数据代表的信息越弱，应及时去掉旧的信息，使建模序列更能反映系统目前的特征。
GM（1，1）新陈代谢建模的方法步骤如下：
第一步，取经过平滑指数处理后的原始数据序列的前5个值作为建模序列。
第二步，用建好的模型预测后面的1～2个数据，如果预测误差较大，则对现有的建模序列进行新陈代谢，建立新的建模序列；如果预测误差很小，则记录第一个数据的预测值，作为新的建模序列。
第三步，一直重复步骤二，直到建模完毕，并选择最佳预测值输出。
四、实证分析
本文选取其2008年4月份的某一工作日南方电网广西贵港供电局南平10KV大有线的电力负荷值，用新陈代谢改进的灰色模型进行预测，通过实际值与预测值的比较，来分析预测精度。南平10KV大有线经新陈代谢改进后的GM（1，1）预测结果如表4-1所示。
对上述数据用matlab作图处理后，可以看出将新陈代谢思想应用于GM（1，1）模型后，预测精度进一步提高。其平均相对误差MAPE=3.89%，后验差值C=0.106，按照上文给定的标准，该方法的预测精度较好，也证明了该方法能比较好的进行预测分析。
五、结语
本文从理论上针对灰色模型的局限性，引入新陈代谢的思想建模，得到了较为精准的预测结果。但是电力系统的负荷从本质上是不可控的，它受经济、时间、气候因素以及随机干扰的影响，导致任何一种预测方法都会存在一定的误差。因而，在进行电力系统的负荷预测时，应针对实际情况和现有的资料找到适合实际系统的负荷预测方法。
参考文献：
[1]牛东晓，曹树华，赵磊等.电力负荷预测技术及其应用[M].中国电力出版社，1998.
[2]唐松云，陈绵云.插入值方法的灰色建模[J].武汉理工大学学报，2009（2）.
[3]唐振军.基于改进灰色模型的中长期电力负荷预测[J].安徽电气工程职业技术学院学报，2010（4）.
关键词：电力短期负荷预测 GM（1，1）模型 新陈代谢
一、引言
电力负荷预测是电网实时控制、运行计划和发展规划的前提。准确的短期电力负荷预测，可以在夏冬用电高峰期时及时可靠的制定地区负荷供限电方案，保持社会正常生产和生活；同时也可以经济合理的安排电网内部发电机组的启停和检修计划，保持电网运行的安全稳定性。本文在进行短期电力负荷预测的研究中，对普通灰色GM（1， 1）模型进行了必要的改进，使短期电力负荷的预测精度有了较好的保证。
二、灰色GM（1，1）模型的构建
灰色系统理论是我国华中科技大学邓聚龙教授在1982年首次提出。其核心思想是从不规律的信息中提取规律的信息。灰色理论克服了传统的回归分析中大样本的问题，以及样本统计要具有规律性的问题。其中GM（1，1）模型是最常用的一种灰色模型，它是由一个只包含一个变量的一阶微分方程构成的模型，是作为电力负荷预测的一种较为有效的模型。灰色GM（1，1）模型的实质是对原始数据做一次累加生成，即将原始数列一次累加后，生成数据呈现指数规律，通过建立微分方程模型，求得拟合曲线后再累减还原即可得到预測值。
三、新陈代谢建模
在通常情况下，应用普通灰色模型GM（1，1）进行预测时，会发现仅仅在前1～2个点具有较高的精度，越往未来发展其后的值的预测意义就越弱。因而，在实际应用中，要不断的考虑随着时间的推移，相继进入系统的新的影响因素。同时，随着系统的发展，老数据代表的信息越弱，应及时去掉旧的信息，使建模序列更能反映系统目前的特征。
GM（1，1）新陈代谢建模的方法步骤如下：
第一步，取经过平滑指数处理后的原始数据序列的前5个值作为建模序列。
第二步，用建好的模型预测后面的1～2个数据，如果预测误差较大，则对现有的建模序列进行新陈代谢，建立新的建模序列；如果预测误差很小，则记录第一个数据的预测值，作为新的建模序列。
第三步，一直重复步骤二，直到建模完毕，并选择最佳预测值输出。
四、实证分析
本文选取其2008年4月份的某一工作日南方电网广西贵港供电局南平10KV大有线的电力负荷值，用新陈代谢改进的灰色模型进行预测，通过实际值与预测值的比较，来分析预测精度。南平10KV大有线经新陈代谢改进后的GM（1，1）预测结果如表4-1所示。
对上述数据用matlab作图处理后，可以看出将新陈代谢思想应用于GM（1，1）模型后，预测精度进一步提高。其平均相对误差MAPE=3.89%，后验差值C=0.106，按照上文给定的标准，该方法的预测精度较好，也证明了该方法能比较好的进行预测分析。
五、结语
本文从理论上针对灰色模型的局限性，引入新陈代谢的思想建模，得到了较为精准的预测结果。但是电力系统的负荷从本质上是不可控的，它受经济、时间、气候因素以及随机干扰的影响，导致任何一种预测方法都会存在一定的误差。因而，在进行电力系统的负荷预测时，应针对实际情况和现有的资料找到适合实际系统的负荷预测方法。
参考文献：
[1]牛东晓，曹树华，赵磊等.电力负荷预测技术及其应用[M].中国电力出版社，1998.
[2]唐松云，陈绵云.插入值方法的灰色建模[J].武汉理工大学学报，2009（2）.
[3]唐振军.基于改进灰色模型的中长期电力负荷预测[J].安徽电气工程职业技术学院学报，2010（4）.