|本期目录/Table of Contents|

[1]贺 剑.基于改进的灰色理论在中长期电力负荷预测中的应用[J].工业仪表与自动化装置,2014,(05):100-103.
　HE Jian.Prediction model for medium and long term electric load based on improved grey theory[J].Industrial Instrumentation & Automation,2014,(05):100-103.
点击复制

基于改进的灰色理论在中长期电力负荷预测中的应用(PDF)

《工业仪表与自动化装置》[ISSN:1000-0682/CN:61-1121/TH]

卷:
期数:
2014年05期
页码:
100-103
栏目:
出版日期:
2014-10-15

文章信息/Info

Title:
Prediction model for medium and long term electric load based on improved grey theory
作者:
贺 剑
（黑龙江科技大学 电气工程学院，哈尔滨 150022）
Author(s):
HE Jian
(School of Electrical Engineering, Heilongjiang University, Harbin 150022,China）
关键词:
负荷预测; GM（1; 1）模型; 电力系统; 改进模型
Keywords:
load forecasting;  GM (1; 1) model;  power system;  improved model
分类号:
TM 715
DOI:
-
文献标志码:
A
摘要:
面对中长期电力负荷预测“小样本”、“少信息”、“非线性”等特点[1]，灰色预测模型在电力负荷预测中起决定性的作用。该文论述了一般比较多的基本GM（1,1）模型、一次平滑法的GM(1,1)模型。针对以上两种模型的缺点和不足，通过对初始数据的二次平滑处理，又提出了改进的灰色预测模型-二次平滑法的GM（1,1）模型。通过算例检验与典型的实例研究上述三种灰色模型在中长期负荷预测中的应用。结果表明，和前面两种预测模型相比较，二次平滑法的GM（1,1）模型在电力系统电量的实际预测中更精确,误差更小。
Abstract:
The face of long-term power load forecasting "small sample", "little information", "non-linear", etc[1]. gray prediction model play a decisive role in the power load forecasting. This paper discusses a basic GM (1,1) model, a smoothing method of GM (1,1) model. For the shortcomings and deficiencies of these two models, through the secondary smoothing the initial data, and proposed an improved gray prediction model - quadratic smoothing method GM(1,1) model. Studies of the three gray model in long-term load forecasting inspection by an example of typical examples. The results show that prediction model and compared with the previous two, quadratic smoothing method GM(1,1) model is more accurate in predicting the actual electricity grid, the error is smaller.

参考文献/References:

[1] 赵文清,王飞.基于改进型灰色预测的中长期电力负荷预测模型[J].东北电力技术,2011(7):46-48.
[2] 牛东晓,曹树华,赵磊,等.电力负荷预测及其应用[M].北京:中国电力出版社,1998.
[3] 郑文琛,吉培荣,罗贤举.改进无偏GM(1,1)模型及其在中长期电力负荷预测中的应用[J].继电器,2008,36(5):36-39.
[4] 张伏生,牛芳,赵文斌,等.灰色Vethulst模型在中长期负荷预测中的应用[J].电网技术,2003,27(5):37-39.
[5] 李春生,陈光辉.基于最大信息压缩制指标与层次分析法的电力负荷组合预测模型[J].电力科学与技术学报,2008, 23(1):56-59.
[6] 刘思峰.灰色系统理论及其应用[M].北京:科学出版社, 1999
[7] 刘思峰,党耀国,方志耕.灰色系统理论及应用[M].3版.北京:科学出版社,2004.
[8] 黄伟,刘连光,蒋本一.电力负荷预测灰色模型的改进与应用[J].北京动力经济学院学报,1995,12(4):44-50.
[9] 王成山,杨军,张崇见.灰色系统理论在城市年用电量预测中的应用-不同预测方法的比较分析[J].电网技术,1999, 23(2): 15-18

相似文献/References:

[1]鲍 蓉.GM(1,1)和线性回归模型及其在印刷包衬压缩变形数据预测中的应用[J].工业仪表与自动化装置,2014,(05):59.
　BAO Rong.GM (1,1) and linear regression model and its applicationin data prediction in printing lining deformation[J].Industrial Instrumentation & Automation,2014,(05):59.
[2]郭松林,水泉龙,顾翔瑜.灰色系统理论在负荷预测中运用综述[J].工业仪表与自动化装置,2017,(03):24.
　GUO Songlin,SHUI Quanlong,GU Xiangyu.Summary of application of gray system theory in load forecasting[J].Industrial Instrumentation & Automation,2017,(05):24.
[3]王 琨,高敬更,张勇红,等.基于LSTM神经网络的复合变量电动汽车充电负荷预测方法技术研究[J].工业仪表与自动化装置,2019,(01):27.[doi:1000-0682（2019）01-0000-00]
　WANG Kun,GAO Jinggeng,ZHANG Yonghong,et al.Study on forecasting method of charging load of hybrid variable electric vehicle based on LSTM neural network[J].Industrial Instrumentation & Automation,2019,(05):27.[doi:1000-0682（2019）01-0000-00]

备注/Memo

备注/Memo:
-
更新日期/Last Update: 1900-01-01