资源描述：
《电力系统负荷预测方法应用》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、电力系统负荷预测方法应用 摘要：电力系统负荷预测在电力系统的控制、规划和运行方面能发挥重要的作用，并能产生明显的经济效益，负荷预测实质上是对电力需求侧的预测。灰色预测就是在随机的、杂乱无章的数据中找到潜在的规律并利用这种规律建立灰色模型对灰色系统进行预测。本文对GM(1,1)模型和无偏GM(1,1)模型做了简要的阐述，分别建立了GM(1,1)模型和无偏GM(1,1)模型，完成了对电力负荷数据的预测。最后通过对这两种模型预测结果的分析比较，提出了一种综合预测模型。关键词：负荷预测、灰色系统、GM(1,1)模型、无偏GM(1,1)模型中图分类号：F407.6
2、文献标识码：A前言7电力系统的职能是尽可能经济地给各类用户提供可靠且合乎标准的电能，满足用户的用电需求。因此负荷的大小与特性，对于电力系统的设计和运行来说是极为重要的。负荷的变化与特性，是电力规划及运行部门研究的重要内容。科学的预测是正确决策的依据和保证，电力系统负荷预测是电力系统规划、计划、营销、市场交易、调度等部门工作的重要依据。长期以来，国内外专家学者和电力系统负荷预测的工作人员不断探索，形成了一系列行之有效的科学预测方法。本文对GM(1,1)模型和无偏GM(1,1)模型做了系统全面的阐述，结合电力负荷预测的具体情况，较为深入地分析了预测理论用于电力
3、系统的具体实现方法，建立了GM(1,1)模型和无偏GM(1,1)模型，完成了对电力负荷数据进行预测。然后通过预测结果对这两种预测方法进行分析比较，提出了一个综合预测模型。1、GM(1,1)模型GM(1,1)模型最早是由邓聚龙教授提出的。GM(1，1)含义依次为G-Gray，M-Model，l-l阶，l-1个变量，即一阶一个变量的灰色预测模型。GM(l，l)模型在电力系统中的应用最为广泛，该模型预测精度高，可以进行短期负荷预测和中长期负荷预测。GM(1,1)模型建模步骤如下：1）根据原始数据建立一次累加数据序列；2）建立B矩阵；3）求逆矩阵和;4）根据求估计
4、值和；5）建立一次累加数据序列模型；6）用累减运算还原原始数据，即得原始数据序列模型：7）模型检验。包括残差检验，关联度检验和后验差检验。2、无偏GM(1,1)模型7无偏GM(1,1)模型是由吉培荣教授提出的。它在GM（1，1）模型的基础上对灰发展系数作了修正，即使得无偏GM(1,1)模型有些时候预测精度要高于GM(1,1)模型。无偏GM(1,1)模型建模过程如下：1）前4步同GM(1,1)模型建模过程。2）求模型参数：3）建立原始数据序列的无偏GM（1，1）模型：4）模型检验。与GM(1,1)模型相同，包括残差检验，关联度检验和后验差检验。3、综合预测模
5、型由于无偏GM(1,1)模型是在GM（1，1）模型的基础上对灰发展系数作了修正，作者首先对和做了分析和比较，见图1。图1和的比较示意图由图可见：1）在在（-2,2）之间取值时，。在0点时，和完全相等，预测效果也应该是一致的，由GM（1，1）模型和无偏GM（1，1）模型可知，此时的预测模型是一个常数模型，因此也就称不上预测了。72）当时，，GM（1，1）模型预测精度由决定，无偏GM（1，1）模型的预测精度由决定，因此，越小，两个模型的预测精度越相似，时，和的大小基本相等，因此可认为此范围内两个模型的预测精度基本相同。3）时，。随着
6、
7、的增大，增大，GM（1，
8、1）模型和无偏GM（1，1）模型的预测精度相差越来越大。本文从预测结果上对GM(1,1)模型和无偏GM(1,1)模型进行分析比较，作者收集到四组实际负荷数据（见表1，表2，表3，表4），并用此数据作为两个模型的原始数据进行预测。表1上海市年实际供电量/（TW.h）表2福州市年平均负荷/（TW.h）表3太原地区全社会用电量/(TW.h)表4辽宁省某地区年用电量/（TW.h）首先对原始数据进行分析，见图2。图2四组负荷数据曲线7图2中，曲线1对应表1，曲线2对应表1，曲线3对应表3，曲线4对应表4。曲线1，2变化速度较快，曲线3，4变化速度较慢。对这四组数据分
9、别用GM(1,1)模型和无偏GM(1,1)模型进行预测，预测结果见附录1。由表5可以看出，首先看数据增长速度较快的曲线1和曲线2，对曲线1来说：GM(1,1)模型的平均相对误差较无偏GM(1,1)模型要小，而对曲线2来说：无偏GM(1,1)模型的平均相对误差较GM(1,1)模型要小；再看数据增长速度较慢的曲线3和曲线4，对曲线3来说：无偏GM(1,1)模型的平均相对误差较GM(1,1)模型要小，而对曲线4来说：GM(1,1)模型的平均相对误差较无偏GM(1,1)模型要小。因此可以说，对不同的原始负荷数据，两个模型的预测效果有好有坏。表5四组数据预测结果相对
10、平均误差比较在实际应用中，事先很难确定对于具体的符合数据，到底是G
