基于改进灰色预测模型的电力负荷中长期预测方法
【专利摘要】本发明公开一种基于改进灰色预测模型的电力负荷中长期预测方法。为了解决固定模型预测时变系统容易出现较大误差的问题，提出模型更新算法，即采用将移动窗算法与传统灰色预测模型相结合的方法。通过在建模序列中删除一部分旧数据、纳入一部分新数据的方式递推更新预测模型，并分解数学模型所涉及的关键量a&b而简化递推数学公式；讨论移动窗长度对建模精度的影响。
【专利说明】基于改进灰色预测模型的电力负荷中长期预测方法
【技术领域】
[0001]本发明属于中长期电力系统负荷预测【技术领域】，涉及一种灰色预测模型更新算法及最优建模序列算法的电力负荷预测方法。
【背景技术】
[0002]自我国邓聚龙教授提出灰色预测模型之后，经过二十多年的发展，该理论已经在工农业、能源交通等领域得到广泛的应用，尤其是GMfl,I)模型。尽管该灰色预测模型获得了广泛关注，但是仍然存在诸多问题，尤其是应用于电力负荷中长期预测领域。当前众多学者相继提出改进方法，如马尔可夫链符号修正灰色模型的预测结果、粒子群算法优化灰色模型的背景值及初始值修正值、组合灰色模型法等等。但由于电力系统时刻处于变化之中，使得其预测模型也应处于变化之中，些改进型灰色预测算法取得较好的预测精度，但仍然存在如下问题:(1)不适合中长期预测。由于时间跨度比较大，必然需要多步预测，而利用一个固定的模型去预测变化的对象，显然会出现较大误差。(2)重复构造模型计算繁琐。构建等维新息模型(有些文献称为新陈代谢方法)，由于预测值只是对真值的估计，所以用预测值等维重构模型只 会增加误差；而且不断重构预测模型以取代旧模型，也会进一步加重计算机负担；(3)序列相关性问题。当一个样本中包含数个不同属性的序列时，比如样本包含2个增长阶段(序列)，当对该样本进行统计处理(如累加或累减)，样本总体趋势分析将会受到序列相关性的影响。(4)大多数文献构建预测模型设置固定的建模长度，如令序列长度L=4。序列长度不同所获得GM(1，I)模型的预测值也不同，但并没有给出解决办法。因此采用固定的预测模型将会导致预测精度较差的结果。
[0003]
【发明内容】
[0004]本发明要解决的技术问题是提供一种基于改进灰色预测模型的电力负荷中长期预测方法。
[0005]为解决上述问题，本发明采用的技术方案基于改进灰色预测模型的电力负荷中长期预测方法，其特征是所述方法包括如下步骤:
首先给出灰色模型GM(Il)的定义:
设有一组非负原始序列
【权利要求】
1.一种基于改进灰色预测模型的电力负荷中长期预测方法，其特征是所述方法包括如下步骤: 首先给出灰色模型GM(Il)的定义: 设有一组非负原始序列
2.根据权利要求1所述的基于改进灰色预测模型的电力负荷中长期预测方法，其特征在于还包括如下步骤: 步骤1:以每月的电力负荷量为研究对象,并形成一序列如I个月负荷量$...X1V作为建模的基本数据； 步骤2:对上述序列(X1- Xi}进行最优序列长度计算,步骤如下: (O 取一组序列 H X即
3.根据权利要求1所述的基于改进灰色预测模型的电力负荷中长期预测方法，其特征在于:利用最优L建立灰色预测模型，对后续电力月负荷量进行预测，并采用递推方式进行预测，以提高预测精度， 在最优序列长度1的基础上，即获得建模初始数据
4.根据权利要求3所述的基于改进灰色预测模型的电力负荷中长期预测方法，其特征在于:更新步骤分两步骤downdating和updating ； (1)Downdating:对χ?去掉最早月份负荷值则变为
【文档编号】G06Q50/06GK104021432SQ201410272136
【公开日】2014年9月3日 申请日期:2014年6月18日 优先权日:2014年6月18日
【发明者】黄克, 申允德, 周晨 申请人:温州大学