基于改进灰色模型的电力负荷预测方法研究及应用

《基于改进灰色模型的电力负荷预测方法研究及应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、国内图书分类号：TM715国际图书分类号：338．2管理学硕士学位论文学校代码：10079密级：公开基于改进灰色模型的电力负荷预测方法研究及应用硕士研究生：导N．-申请学位：学科：专业所在学院：答辩日期：授予学位单位：马洪松黄元生教授管理学硕士工商管理技术经济及管理经济与管理学院2013年3月华北电力大学ClassifiedIndex：硼M715U．D．C：338．2DissertationfortheMasterDegreeofManagementResearchandApplicationofPowerLoadForecast

2、ingMethodBasedonImprovedGreyModelCandidate：Supervisor：School：DateofDefence：HongsongMaProf．YuanshengHuangSchoolofEconomicsandManagementMarch，2013Degree··Conferring·-Institution：NorthChinaElectricPowerUniversity华北电力大学硕士学位论文原创性声明本人郑重声明：此处所提交的硕士学位论文《基于改进灰色模型的电力负荷预测方法研究及应用

3、》，是本人在导师指导下，．在华北电力大学攻读硕士学位期间独立进行研究工作所取得的成果。据本人所知，论文中除已注明部分外不包含他人已发表或撰写过的研究成果。对本文的研究工作做出重要贡献的个人和集体，均已在文中以明确方式注明。本声明的法律结果将完全由本人承担。作者签名：日期：力口／；年；月22，日华北电力大学硕士学位论文使用授权书《基于改进灰色模型的电力负荷预测方法研究及应用》系本人在华北电力大学攻读硕士学位期间在导师指导下完成的硕士学位论文。本论文的研究成果归华北电力大学所有，本论文的研究内容不得以其它单位的名义发表。本人完全了解华

4、北电力大学关于保存、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版本，同意学校将学位论文的全部或部分内容编入有关数据库进行检索，允许论文被查阅和借阅。本人授权华北电力大学，可以采用影印、缩印或扫描等复制手段保存、可以公布论文的全部或部分内容。本学位论文属于(请在以下相应方框内打“4”)：保密口，在年解密后适用本授权书不保密瓯／作者签名：弓诺搬日期：珈B年弓月沙日聊签名癌犰吼∥年3月砂日摘要负荷预测是电力系统规划、计划、营销、调度等工作的重要依据和基础，电力负荷预测在电力系统规划中的重要性和提高负荷预

5、测精度的迫切性越来越受到高度重视。近几十年来，国内外的学者对负荷预测方法做了较充分的研究，为电力部门进行负荷预测工作时提供了科学的参考。在进行负荷预测时，需要根据不同样本特点选用合适的预测模型，从而保证负荷预测工作的顺利进行。本文首先分析总结了电力负荷预测的选题背景及其研究意义进行，在对负荷预测国内外研究现状的基础上，阐述了电力负荷预测的基本理论，综合分析了电力负荷数据的分类、特点及其内在规律，对负荷预测方法中的灰色预测模型GM(I，1)模型进行了了深入的研究，指出了传统GM(I，1)模型本身固有的的缺陷导致的其在实际负荷预测应用

6、的其局限性，为了提高模型的预测精度和适用性，本文构建了改进的灰色模型，从原始数据预处理、初始条件改造、初值选取和模型参数优化四个方面提出了相应的改进方法，主要的工作如下：(1)对原始负荷数据预处理，针对原始数据误差提出了相应的数据修正的方法，并对预测日进行分类，削弱了外界干扰对负荷预测模型的影响；(2)改造初始条件，利用缓冲算子对原始数据进行处理，根据“新息优先”的原则，使处理后的原始数据序列更好地反应负荷未来发展的规律；(3)对于初值的选取，利用原始数列模拟值与预测值欧氏距离最小为约束条件优化时间响应函数，使原始信息得到更好的利

7、用；(4)针对GM(I，1)模型背景值选取不当的问题，利用自适应粒子群优化算法求解背景值，优化了模型参数，进一步提高预测模型负荷预测值与实际值的拟合度。为了得到更加理想的预测效果，本文分别在实际应用中，针对短期负荷预测和中长期负荷预测的特点，在上述改进灰色模型的基础上：(I)建立改进灰色BP神经网络模型组合预测模型，利用BP神经网络预测模型非线性逼近、容错能力强的特点，较好地拟合了电力负荷用电量的发展趋势，大大提高了改进灰色模型短期负荷预测的预测精度；(2)建立改进局部残差修正的等维新息灰色预测，融合TGM(I，1)模型处理“贫信

8、息”、“小样本”数据的特点，引入等维新息思想，保证预测模型能够充分地利用新信息，并采用局部残差修正预测模型，进一步提高了改进灰色模型中长期负荷预测的计算精度。通过实例分析，将改进模型与传统GM(I，1)模型进行比较，结果表明，改进后的灰色预测模型在