基于双向差分建模的优化GM(1,1)模型及其在中长期电力负荷预测中的应用.pdf

《基于双向差分建模的优化GM(1,1)模型及其在中长期电力负荷预测中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第39卷第13期电力系统保护与控制vol-39No．132011年7月1日PowerSystemProtectionandControlJuly1，2011基于双向差分建模的优化GM(1，1)模型及其在中长期电力负荷预测中的应用李红伟，毛文晋(1．西南石油大学电气信息学院，四川成都610500；2．西南石油大学经济管理学院，四川成都610500)摘要：针对电力负荷预测，论述了一种基于双向差分计算的GM(1，1)建模方法，采用向前差分与向后差分建模的拟合误差平方和最小的原则进行参数估计。为了进一步提高GM(1，1)

2、模型的拟合及预测精度，利用拟合值和原始值误差平方和最小的原则对预测模型的初始值进行了优化，摆脱了原有模型的初始值必经过历史数据中的某一点的束缚。以太原地区电力负荷和重庆地区的农村用电量为例，采用了几种典型GM(1，1)模型进行了拟合和预测对比分析，结果表明所提出的优化GM(1，1)模型的拟合、预测精度更高，适应性更强。关键词：中长期电力负荷预测；GM(1，1)模型；双向差分；初始值优化AnoptimizedGM(1，1)modelbasedonbi—directionaldiferencemethodandits

3、applicationinlong·termpowerdemandforecastingLIHong．wei，MAOWenqin(1．SchoolofElectricalEngineeringandInformation，SouthwestPetroleumUniversity，Chengdu610500，China；2．SchoolofEconomicsandmanagement，SouthwestPetroleumUniversity,Chengdu610500，China)Abstract：Aimingat

4、theforecastingofpowerdemand，thispaperpresentsanoptimizedGM(1，1)modelbasedonthebi—directionaldiferencemethod，whichadoptsminimumsumoffittingerrorsquareofforwarddiferenceandbackwarddiferencemodelingtoestimateparameters．Andinordertofurtherimprovethefittingandpred

5、ictionprecisionsofGM(1，1)model，theinitialvalueofGM(1，1)predictionmodelisoptimizedbyusingthemethodofminimumsumoferrorsquareoffittingvalueandiniticalvalue，thereforetheinitialvalueoftheGM(1，1)modelisfreefromnecessarilypassingapointoforiginaldata．Todofittingandfo

6、recastingcomparativeanalysis，severaltypicalGM(1，1)modelshavebeenbuiltwiththecaseofelectricalloadinTaiyuanandruralpowerdemandinChongqing．Theresultsshowthatthenewo~imizedGM(1，1)modelhashigherfittingandforecastingprecisionandstrongeradaptability．Keywords：long-te

7、rmpowerdemandforecasting；GM(1，1)model；bi—directionaldiference；initialvalueoptimization中图分类号：TM715文献标识码：A文章编号：1674-3415(2011)13．0053-06法、支持向量机方法等【2。4】。灰色理论模型具有所需0引言样本数少、计算方便、预测精确、可验性强等优点，中长期电力负荷预测在编制电网发展规划的而电力负荷系统又是典型的灰色系统，所以其非常过程中应放在一个重要的位置上来考虑，它规定了适合于电力负荷预测。

8、但灰色模型本身具有一定的经济的动力资源的需求量、电力工业发展的资金需局限性，数据离散程度愈大，灰度也愈大，则预测求量、以及电力工业发展对人力资源的需求量等l。精度也愈差。近年来，针对GM(1，1)模型的缺陷预测的核心问题是预测的数学模型建立。目前，适和不足之处提出了很多改进制。文献[5．8】通过改合中长期电力负荷预测的方法有回归模型法、弹性进GM模型参数估计的方法优化了G