基于粒子群優(yōu)化的GM(1,1)冪模型電力負荷預測研究.pdf

1、電力是國民經濟的命脈,隨著我國經濟、生活電氣化水平的不斷提高,人們對于電力消費的需求持續(xù)增長。因此,影響決策的電力負荷預測技術就顯得越發(fā)重要。負荷預測精度的水平直接影響著電力部門能否經濟優(yōu)化地制定發(fā)電計劃,制訂經濟合理的電力調配計劃,控制電網(wǎng)經濟運營以及合理安排機組安裝檢修計劃。因此,探索有效方法提高電力負荷預測的精度,具有重要的現(xiàn)實意義。
　　本文在對負荷預測、灰色預測理論以及粒子群算法國內外研究的基礎上,從經驗技術、經典技術以

2、新技術三個方面研究電力負荷預測技術,結合各自預測技術的典型方法,對其優(yōu)、缺點以及適用范圍進行了論述。隨后從灰色系統(tǒng)理論產生與發(fā)展、基本原理等方面,對灰色預測模型進行了研究,詳細介紹經典灰色預測模型中的GM(1,1)模型以及灰色Verhulst模型,分析了模型中存在的理論缺陷。為解決非線性原始數(shù)列的灰色預測問題,提出GM(1,1)冪模型的概念,文章深入研究GM(1,1)冪模型的建模原理、步驟、參數(shù)分析以及造成誤差的原因,總結出通過改善原始

3、數(shù)據(jù)序列光滑度,冪模型構建中背景值、初始條件、冪指數(shù)優(yōu)化提高模型的預測精度。針對上述問題,本文通過利用余弦函數(shù)對原始數(shù)據(jù)進行處理,在減弱異常值影響,提高序列的光滑度的同時在一定程度上縮小了還原誤差。通過粒子群優(yōu)化算法尋求模型參數(shù),從而得到與模型匹配度更高、整體預測效果更好的模型參數(shù),從而彌補以往憑經驗給出模型參數(shù)的不足,最后,構建基于粒子群優(yōu)化的GM(1,1)冪模型,并對模型的實現(xiàn)流程進行了詳細論述。文章采用北京電網(wǎng)的歷史負荷數(shù)據(jù)對構建