学习gm（2,1）模型的短期电力负荷预测

《学习gm（2,1）模型的短期电力负荷预测》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于GM(2，1)模型的短期电力负荷预测术沈志忠王平宋丹妮李思岑郭俊(西华大学，成都市610039)PredictiononShort．termPowerLoadBasedonGM(2，1)ModelSHENZhizhongWANGPingSONGDanniLISicenGUOJun(XihuaUniversity，Chengdu610039，China)Abstract：TraditionalgreysystemGM(1，1)并且GM(2，1)模型预测的精度基本不受数据的影modelappliesonlytooriginalserie

2、swiththetrendof响，使用范围更广。approximateexponentialgrowth，whileGM(2，1)关键词：灰色预测；GM(2，1)模型；GM(1，1)modeliswidelyusedinva~ousindustries．However，模型；电力负荷；预测精度；20％修均值法；二阶白thepredictionofpowerloadisrarelyresearched化微分方程：二次滑动平均值becauseofcomplexcalculationandmodelproblems．中图分类号：TU852文献

3、标识码：AThispaperappliesGM(2，1)modeltoshort·termdoi：10．3969／i．issn．1003—8493．2015．04．010powerloadtolistcomputingprocessofparameterindetailandcomparesitwithtraditionalGM(I，1)mode1．TheresultindicatesthatGM(2，1)model，whosemodelingisnotaffectedbydata，hashigher0引言accuracythanGM(

4、1，1)modelandwiderrangeof1982年，邓聚龙教授创立了灰色系统理论．这application．Keywords：greyprediction；GM(2，1)model；种理论的核心是GM(1，1)模型，也是到目前为止GM(1，1)model；powerload；predictionaccuracy；在灰色预测中使用最广泛的模型l7l。但GM(1，1)20％averagevaluemethod：differentialequationof模型自身也存在较多问题，许多学者就这一点进行了secondorder；secon

5、daryslidingaveragevalue研究，并取得了一些积极进展l8，而灰色预测中的一些根本性问题还是没有彻底地得到解决，如：边值摘要：传统的灰色系统GM(1，1)模型只适的选取、差分转微分的误差、参数估计等问题。并用于呈近似指数增长趋势的原始数列，而GM(2，1)且对于不是呈近似指数增长趋势的原始数列，采用模型适用范围更广，被广泛应用于各个行业。但由GM(1，1)模型进行预测误差很大。而GM(2，1)于计算复杂．以及模型自身存在的问题，在电力负模型由于构造的是二阶白化微分方程，所以对应的二荷预测上鲜有人研究。现将GM(2，1)

6、模型运用于阶齐次微分方程有两个特征根。因此可以动态反应多短期的电力负荷预测中，详细列出参数的计算过程，种情况，如单调的、非单调的、振荡等情况。所以该并与传统的GM(1，1)模型进行对比，结果表明，模型适用的范围更广，在多个领域里已经采用了这种GM(2，1)模型比GM(1，1)模型预测精度更高，方法，并取得了很好的效果，但由于电力系统的特殊：教育部春晖计划，课题名称：人体可疑行为的视频识别研究，课题编号：Z2012029。作者信息沈志忠，男，西华大学，研究生。王平，男，西华大学，教授。宋丹妮，女，西华大学，研究生。李思岑，女，西华大学，研

7、究生。郭俊，男，西华大学，研究生。薹王f!!!堡塑皇望煎。l_沈壹皇圭±—墨量墨一曼量塑丝_http：／／WWW．jzdq．net．cn265建虢电乞。—_·_-—_—l··_BUlLDlNG2口15年第4期IE茳CT辩lClY性，采用该种方法计算比较复杂，所以在电力负荷预再构造的近邻均值序列：测中鲜有人研究。y“={Y2“，Y3“，⋯，y(7)本文对传统的GM(2，1)模型的原始数列的部其中：分数据与全部数据采用二次滑动平均值方法进行预】，”=0．5(”+，)，=2，3，⋯，凡(8)处理。然后对短期电力负荷进行预测，并与传统的由于‘微

8、分可得到((。’微分可得到0”‘GM(1，1)模型进行比较，结果表明采用GM(2，1)，，将“’看成是时间t的连续函数模型预测的精度更高，是一种行之有效的方法。另，对其建立二阶白化微分方程：外，GM(2，1