基于灰色模型与神经网络组合的线损率预测.pdf

《基于灰色模型与神经网络组合的线损率预测.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25卷第5期电力系统及其自动化学报V0l25No．52013年10月ProceedingsoftheCSU-EPSA0ct．20l3基于灰色模型与神经网络组合的线损率预测张勤，周步祥，林楠，聂雅卓(1．四川大学电气信息学院，成都610065；2．四川电力职业技术学院，成都610071)摘要：对线损率预测的方法进行了研究，采用灰色模型与神经网络组合的方法对线损率进行预测。首先用GM(1，1)建模对线损率的变化趋势分析计算，运用灰色关联度分析与线损率相关的因素，确定出神经网络的输入变量，建立线损率预测的3层BP网络模型；然后采用GM(1

2、，1)和神经网络的组合预测模型得到线损率的最终预测结果；最后通过对实例的分析，证明所提方法提高了线损率预测的精度。关键词：线损率；预测；灰色模型；神经网络；组合模型中图分类号：TM744文献标志码：A文章编号：1003—8930(2013)05—0162—05LineLossRateForecastingBasedonCombinationofGreyModelandNeuralNetworkZHANGQin，ZHOUBu—xiang，LINNan，NIEYa-zhuo(1．SchoolofElectficalEngineeringa

3、ndInformation，SichuanUniversity，Chengdu610065，China；2．SichuanElectricPowerVocationalTechnicalCollege，Chengdu610071，China)Abstract：Thepaperismainlyfocusingontheresearchofthemethodforlinelossrateforecastingbyadoptinggreymodelcombinedwithneuralnetwork．Firstly，GM(1，1)modelc

4、anbeusedtoanalyzeandcalculatethevariationtrendoflinelossrate．Theinputvariablesoftheneuralnetworkcanbedeterminedbythegreyrelationshipofrelatedfactors．Three-layerBPmodelforlinelossrateforecastingisconstructed，andthentheeventualresultcanbeobtainedbyUS-ingthecombinedmodelof

5、GM(1，1)andneuralnetwork．Finally，anexampleistakentoprovetheprecisionoflinelossrateforecastingbytheproposedmethodinthepaper．Keywords：linelossrate；forecasting；greymodel；neuralnetwork；combinedmodel线损率对电力系统的节能及发展规划有重要线损率的历史数据对其变化趋势进行了预测，得的指导作用，它反映了电力系统的设计、运行以及到线损率预测的灰色模型。运用灰

6、色关联度同确定管理水平，是考核供电企业的一项重要的技术和出对线损率影响较大的变量并作为神经网络的输经济指标，对线损率的预测能够帮助供电企业制入变量，建立线损率预测的3层BP网络模型。由定合理的降损节能目标。目前对线损率的预测研于神经网络有较强的非线性映射能力以及组合预究并不是很多。文献[2】根据各个电压等级的不测能充分利用信息的特点【8I，运用灰色模型和神经同特点，提出了适合于不同电压等级的线损估算网络的组合预测模型对线损率最终结果进行预测。方法；文献[3】结合线损二项式和人工神经网络对1线损率预测的灰色模型线损进行预测；文献利用综合

7、灰关联分析提取线损强关联因素的方法，建立组合灰色模型预测1．1基本模型线损率。在灰色预测模型中，GM(1，1)模型是经常采用本文根据灰色系统模型建模所需要的信息较的模型。线损率预测模型中根据历年线损率数据，少，建模精度较高以及对原始数据的多少没有苛采用GM(1，1)模型依靠序列自身来预测未来发展刻要求[61的特点，首先利用灰色模型GM(1，1)根据趋势，模型的建立过程如下。收稿日期：2011-10—26；修回日期：2011-12—21第5期张勤等：基于灰色模型与神经网络组合的线损率预测·163·(1)对原始数据序列作累加生成。和运行参

8、数等影响因素之间的关系，预测的结果原始序列为不能反映电网的规划发展。(。)=‘。)(1)，(。)(2)，⋯，。(n)】()2线损率预测的神经网络模型对原始数据作累加生成2．1输入变量的确定㈩U)：∑(o)()=1，2，⋯