论文部分内容阅读
摘 要:为了预测陕西省未来几年的电力需求量,根据灰色系统理论,利用陕西省1997~2006年10年的电力需求资料,运用GM(1,1)灰色预测模型方法,对2007~2010年陕西省电力需求量进行动态预测,为陕西省的电力发展提供科学决策依据。
关键词:电力需求量;灰色系统;GM(1,1)模型;预测
中图分类号:F407文献标识码:A文章编号:1672-3198(2007)12-0058-02
0 前言
电力需求预测是指在充分考虑一些重要因素(如系统运行特性、增容决策、自然条件与社会影响)的条件下,研究或利用一套能系统地处理过去与未来负荷的数学方法,在满足一定精度要求的条件下,确定未来某特定时刻的负荷数值。电力需求受到经济发展、产业结构、居民收入水平、气候、地理环境、国家政策(如电价)等诸多不确定因素的影响。这些因素有些是明确的,而有些则是不明确的,因此可以把它看作是一个灰色系统,用灰色系统理论和方法来解释和预测。灰色系统理论是由我国学者邓聚龙教授于20世纪80年代首创的一种系统科学理论,目前它已广泛应用于电力需求预测。
伴随着现代科学技术的快速发展,电力需求预测技术在不断地深化和发展,预测方法从经典的单耗法、弹性系数法、回归分析预测法、时间序列分析预测法,发展到了目前的专家系统法、模糊数学法、灰色预测法以及神经网络预测法。但是,在精度满足的条件下,灰色预测法因为其计算简单而得到广泛的应用。本文选取陕西省1997~2006年10年的电力需求数据,应用GM(1,1)模型对陕西省2007~2010年的电力需求量进行动态预测,为陕西省的电力发展提供科学决策依据。
1 陕西省的电力需求状况
近年来,随着经济的不断发展,陕西省的电力需求也呈现出不断递增的趋势。陕西省1997~2006年10年来的电力需求情况如表1所示。从表1可以看出,10年来,陕西省电力需求从1997年261.2亿KWH增长到2006年515.1亿KWH,几乎增长了一倍,平均每年以10%左右的速度增长。
2 陕西省的电力需求建模及预测
根据表1的统计数据,建立1997~2006年陕西省电力需求序列值得:
陕西省电力需求灰色预测模型建立之后,为保证其预测的可靠性,必须对该模型进行精确性检验。现利用后验差检验方法,详细如下:
残差平均值为:
按表3所示后验差检验标准中的c与p两个指标,可以综合评定预测模型的精度为一级。因此,可用此模型对陕西省电力需求进行预测。又由于后验差比值c远远小于0.35,所以本文应用GM(1,1)模型对陕西省2007~2010年电力需求进行动态预测是可行的。
应用得到的灰色预测模型,对2007~2010 年陕西省各年度的电力需求进行预测,结果见表4。
3 结语
根据以上对模型精度检验的结果可知,所得到的GM(1,1)模型是可靠的,可以用来预测陕西省的电力需求。由GM(1,1)模型预测结果可知,陕西省电力需求是逐年增加的,且以10%左右的速度增加。模型在一定程度上能反映出陕西省电力需求的变化规律,也符合陕西省的经济发展情况。
本研究的现实指导意义在于:通过对陕西省电力需求科学、准确的预测,为陕西省的电力发展提供了科学决策的依据。并对于保证陕西省电力工业的健康发展,乃至对整个国民经济的发展均有着十分重要的意义。下一步的研究重点是如何安排生产力布局以在经济合理的条件下尽量满足社会经济发展对电力的需要,同时保障社会能以较低的电力成本得到充足良好的电力服务。
参考文献
[1]魏伟,牛东晓,常征.负荷预测技术的新进展[J].华北电力大学学报,2002,29(1):10-15.
[2]朱成章.我国电力需求预测的难点浅析[J].华东电力,1999,(3):8-11.
[3]邓聚龙.灰色系统预测与决策[M].武汉:华中理工大学出版社,1986.
[4]王国霞,刘洋,鲁奇.基于灰色系统理论的山西省电力需求预测[J].华北工学院学报,2005,26(2):122-126.
[5]Che-Chiang Hsu, Chia-Yon Chen.A pplications of improved grey prediction model for power demand forecasting. Energy Conversion and Management,2003,(44):2241-2249.
[6]Albert W.L. Yao, S.C. Chi, J.H. Chen.An improved Grey-based approach for electricity demand forecasting. Electric Power Systems Research,2003,(67):217-224.
[7]Shih-Chi Chang, Hsien-Che Lai, Hsiao-Cheng Yu.A variable P value rolling Grey forecasting model for Taiwan semiconductor industry production.Technological Forecasting & Social Change,2005,(72):623-640.
[8]Mingzhi Mao, E.C. Chirwa.Application of grey model GM (1, 1) to vehicle fatality risk estimation.Technological Forecasting & Social Change,2006,(73):588-605.
[9]鲍一丹,吴燕萍,何勇.基于GM(1,1)模型和线性回归的组合预测新方法[J].系统工程理论与实践, 2004,(3):95-98.
[10]李俊峰,戴文戰.GM(1,1)改进模型的研究及在上海市发电量建模中的应用[J].系统工程理论与实践,2005,(3):140-144.
注:本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。
关键词:电力需求量;灰色系统;GM(1,1)模型;预测
中图分类号:F407文献标识码:A文章编号:1672-3198(2007)12-0058-02
0 前言
电力需求预测是指在充分考虑一些重要因素(如系统运行特性、增容决策、自然条件与社会影响)的条件下,研究或利用一套能系统地处理过去与未来负荷的数学方法,在满足一定精度要求的条件下,确定未来某特定时刻的负荷数值。电力需求受到经济发展、产业结构、居民收入水平、气候、地理环境、国家政策(如电价)等诸多不确定因素的影响。这些因素有些是明确的,而有些则是不明确的,因此可以把它看作是一个灰色系统,用灰色系统理论和方法来解释和预测。灰色系统理论是由我国学者邓聚龙教授于20世纪80年代首创的一种系统科学理论,目前它已广泛应用于电力需求预测。
伴随着现代科学技术的快速发展,电力需求预测技术在不断地深化和发展,预测方法从经典的单耗法、弹性系数法、回归分析预测法、时间序列分析预测法,发展到了目前的专家系统法、模糊数学法、灰色预测法以及神经网络预测法。但是,在精度满足的条件下,灰色预测法因为其计算简单而得到广泛的应用。本文选取陕西省1997~2006年10年的电力需求数据,应用GM(1,1)模型对陕西省2007~2010年的电力需求量进行动态预测,为陕西省的电力发展提供科学决策依据。
1 陕西省的电力需求状况
近年来,随着经济的不断发展,陕西省的电力需求也呈现出不断递增的趋势。陕西省1997~2006年10年来的电力需求情况如表1所示。从表1可以看出,10年来,陕西省电力需求从1997年261.2亿KWH增长到2006年515.1亿KWH,几乎增长了一倍,平均每年以10%左右的速度增长。
2 陕西省的电力需求建模及预测
根据表1的统计数据,建立1997~2006年陕西省电力需求序列值得:
陕西省电力需求灰色预测模型建立之后,为保证其预测的可靠性,必须对该模型进行精确性检验。现利用后验差检验方法,详细如下:
残差平均值为:
按表3所示后验差检验标准中的c与p两个指标,可以综合评定预测模型的精度为一级。因此,可用此模型对陕西省电力需求进行预测。又由于后验差比值c远远小于0.35,所以本文应用GM(1,1)模型对陕西省2007~2010年电力需求进行动态预测是可行的。
应用得到的灰色预测模型,对2007~2010 年陕西省各年度的电力需求进行预测,结果见表4。
3 结语
根据以上对模型精度检验的结果可知,所得到的GM(1,1)模型是可靠的,可以用来预测陕西省的电力需求。由GM(1,1)模型预测结果可知,陕西省电力需求是逐年增加的,且以10%左右的速度增加。模型在一定程度上能反映出陕西省电力需求的变化规律,也符合陕西省的经济发展情况。
本研究的现实指导意义在于:通过对陕西省电力需求科学、准确的预测,为陕西省的电力发展提供了科学决策的依据。并对于保证陕西省电力工业的健康发展,乃至对整个国民经济的发展均有着十分重要的意义。下一步的研究重点是如何安排生产力布局以在经济合理的条件下尽量满足社会经济发展对电力的需要,同时保障社会能以较低的电力成本得到充足良好的电力服务。
参考文献
[1]魏伟,牛东晓,常征.负荷预测技术的新进展[J].华北电力大学学报,2002,29(1):10-15.
[2]朱成章.我国电力需求预测的难点浅析[J].华东电力,1999,(3):8-11.
[3]邓聚龙.灰色系统预测与决策[M].武汉:华中理工大学出版社,1986.
[4]王国霞,刘洋,鲁奇.基于灰色系统理论的山西省电力需求预测[J].华北工学院学报,2005,26(2):122-126.
[5]Che-Chiang Hsu, Chia-Yon Chen.A pplications of improved grey prediction model for power demand forecasting. Energy Conversion and Management,2003,(44):2241-2249.
[6]Albert W.L. Yao, S.C. Chi, J.H. Chen.An improved Grey-based approach for electricity demand forecasting. Electric Power Systems Research,2003,(67):217-224.
[7]Shih-Chi Chang, Hsien-Che Lai, Hsiao-Cheng Yu.A variable P value rolling Grey forecasting model for Taiwan semiconductor industry production.Technological Forecasting & Social Change,2005,(72):623-640.
[8]Mingzhi Mao, E.C. Chirwa.Application of grey model GM (1, 1) to vehicle fatality risk estimation.Technological Forecasting & Social Change,2006,(73):588-605.
[9]鲍一丹,吴燕萍,何勇.基于GM(1,1)模型和线性回归的组合预测新方法[J].系统工程理论与实践, 2004,(3):95-98.
[10]李俊峰,戴文戰.GM(1,1)改进模型的研究及在上海市发电量建模中的应用[J].系统工程理论与实践,2005,(3):140-144.
注:本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。