資源描述：
《基于灰色神經(jīng)網(wǎng)絡組合模型的日最高負荷預測》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。
1、維普資訊http://www.cqvip.com第36卷第2期要雜電力Vo1．36No．2EastChinaEIectricPower2008年2月Feb．2008基于灰色神經(jīng)網(wǎng)絡組合模型的日最高負荷預測盧建昌，韓紅領(lǐng)(華北電力大學工商管理學院，河北保定071003)摘要：針對電力日最高負荷受多種因素影響，變化趨勢復雜，難以通過建立準確的數(shù)學模型進行預測的問題，提出灰色動態(tài)模型對電力日最高負荷進行預測，在此基礎上構(gòu)造了灰色神經(jīng)網(wǎng)絡組合預測模型。該模型避免了變權(quán)組合預測模型的主觀與繁瑣，能有效地將灰色預測弱化數(shù)據(jù)序列波動性的優(yōu)
2、點和神經(jīng)網(wǎng)絡較強的非線性適應能力相融合。算例結(jié)果表明該方法的可行性和有效性，預測精度也得到了改善。關(guān)鍵詞：電力系統(tǒng)；灰色系統(tǒng)；組合預測；神經(jīng)網(wǎng)絡；日最高負荷基金項目：華北電力大學校博科研基金項目資助(200512010)．作者簡介：盧建昌(1969一)，男，副教授，研究方向為負荷預測及電力經(jīng)濟。中圖分類號：F407文獻標識碼：A文章編號：1001—9529(2008)02-0060-04Dailypeakloadforecastbasedoncombinedmodelsofgraysystemsandneuralnetwor
3、ksLUJian—chang，HANHong—ling(SchoolofBusinessAdministration，NorthChinaElectricPowerUniv．，Baoding071003，China)Abstract：Thedailypeakloadissubjecttovariousfactorsanditsehan~ngtrendisdificulttoforecastbytraditionalmathematicmodels．Tosolvetheproblem，thegraydynamicmodelis
4、proposedalldbasedonthatthecombinedfore—castmodelofgraysystemandneuralnetworkwasconstructedwhichavoidsthesubjectivityandcomplexityoftheweight—variationforecastmodelandeffectivelycombinestheadvantagesofthegraysysteminweakeningthedatase—quencefluctuationandthatofthene
5、uralnetworkinnon—linearityadaptability．Examplecalculationprovesthemethodfeasible，effective，andaccurate．Keywords：powersystem；graysystem；combinedforecast；neuralnetwork；dailypeakload電力系統(tǒng)日最高負荷的預測有利于電網(wǎng)的計絡模型相結(jié)合對日最高負荷進行組合預測。劃與平衡。由于日最高負荷受多種因素影響，要1灰色預測原理及模型全面考慮所有因素是十分困難的，各種
6、單一的日最高負荷預測方法并不能取得滿意的結(jié)果，將多灰色系統(tǒng)理論和方法的核心是灰色模型，灰種不同的預測方法進行適當組合，綜合利用各種色模型是以灰色生成函數(shù)概念為基礎，以微分擬方法提供的信息，便形成組合預測方法。組合預合為核心的建模方法。一切隨機量都是在一定范測模型將各種預測效果進行總體性綜合考慮，比圍內(nèi)、一定時間段上變化的灰色量和灰過程，對于單個預測模型更系統(tǒng)、更全面，更有效地提高預測灰色量的處理不是尋求它的統(tǒng)計規(guī)律和概率分精度。文獻[1]將改進的灰色模型用于在線的短布，而是將雜亂無章的原始數(shù)據(jù)序列通過一定的期用電量預測，文獻
7、[2]則將灰色模型與馬爾科處理方法弱化波動性，使之變?yōu)楸容^有規(guī)律的時夫鏈相結(jié)合進行預測，文獻[3，4]將組合灰色神間序列數(shù)據(jù)，再建立用微分方程描述的模型。經(jīng)網(wǎng)絡用于網(wǎng)供電量的季節(jié)性預測，取得了比單本文采用GM(1，1)、DGM(2，1)和Verhulst三種一預測模型高的預測精度。文獻[5，6]提出通過灰色模型分別對電力日最高負荷進行建模預2貝0。等維新息的灰色變權(quán)組合預測。文獻[7]考慮了1．1灰色GM(1，1)預測模型灰色模型的維數(shù)及微偏性，以提高負荷預報的性GM(1，1)是單序列一階線性模型，GM(1，1)能。文獻[8
8、，9]采用相似日和決策樹算法對日特模型的本質(zhì)是通過對原始數(shù)據(jù)序列的累加生成，征負荷進行預測。本文將灰色GM(1，1)模型、灰弱化隨機擾動因素的影響，發(fā)現(xiàn)其指數(shù)增長規(guī)律，色GM(2，1)模型和灰色Verhulest模型與神經(jīng)網(wǎng)然后用指數(shù)曲線進行模擬，用微分方程來逼近擬維普資訊http://w
