基于相關(guān)性馬爾科夫鏈理論的中長期電力系統(tǒng)負荷預測.pdf

1、配電網(wǎng)中長期負荷預測是電力系統(tǒng)運行和規(guī)劃的基礎(chǔ)，精確的預測可提高系統(tǒng)運行的可靠性和經(jīng)濟性。
　　 在復雜社會經(jīng)濟的環(huán)境下，用傳統(tǒng)的方法預測電力負荷的需求，會產(chǎn)生比較大的偏差。本文從相關(guān)性的角度出發(fā)，建立新的組合預測模型以提高預測精度。本文提出并建立了基于Theil不等系數(shù)的IOWA算子和馬爾科夫鏈的組合預測模型，引進Theil不等系數(shù)，從相關(guān)性的角度進行考慮組合預測模型，采用信息集結(jié)算子，使組合預測模型在各個時間點上，每個預測模

2、型的權(quán)系數(shù)都與該時點的預測精度有關(guān)，而與預測方法無關(guān)，該模型實質(zhì)上是變權(quán)組合預測模型，可以較好的反映負荷發(fā)展的實際情況。
　　 引進了馬爾科夫鏈理論，利用馬爾科夫鏈可以定性推出組合預測模型中各單項模型在待預測時點上的預測精度狀態(tài)，進而得到待預測時點上的組合預測模型的權(quán)系數(shù)。該模型可以克服傳統(tǒng)的組合預測模型賦予不變的加權(quán)平均系數(shù)和以單一誤差指標作為預測精度衡量的缺陷，文中的實例分析表明了新模型能有效地提高預測精度，降低預測的風險性