基于組合優(yōu)化模型的中長(zhǎng)期電力負(fù)荷預(yù)測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、電力負(fù)荷預(yù)測(cè)是電力系統(tǒng)中調(diào)度、用電、計(jì)劃和規(guī)劃等部門(mén)的基礎(chǔ)工作，能為電力系統(tǒng)中長(zhǎng)期規(guī)劃和短期調(diào)度提供有力的決策支持。近年來(lái)，隨著我國(guó)市場(chǎng)經(jīng)濟(jì)的不斷完善，電力工業(yè)逐漸過(guò)渡到市場(chǎng)化進(jìn)程，對(duì)負(fù)荷預(yù)測(cè)的準(zhǔn)確性、實(shí)時(shí)性和可靠性提出了更高的要求。長(zhǎng)期以來(lái)，國(guó)內(nèi)學(xué)者和電力系統(tǒng)運(yùn)行管理專(zhuān)家不斷探索，形成了一系列行之有效的方法。由于各個(gè)地區(qū)電力系統(tǒng)的情況不同，很難找到一種模型適用所有的情況。因此，本文提出將各種模型的預(yù)測(cè)結(jié)果進(jìn)行綜合，來(lái)發(fā)揮各個(gè)模型的優(yōu)點(diǎn)

2、，以提高預(yù)測(cè)精度。
　　 組合預(yù)測(cè)的基礎(chǔ)是單模型預(yù)測(cè)，本文用到的單模型主要有回歸模型，人工神經(jīng)網(wǎng)絡(luò)模型和灰度模型。仿真試驗(yàn)顯示:回歸模型主要適用于負(fù)荷成線(xiàn)性增長(zhǎng)的模型，灰度模型對(duì)呈指數(shù)增長(zhǎng)的模型有較高的預(yù)測(cè)精度，人工神經(jīng)網(wǎng)絡(luò)模型更適用那些增長(zhǎng)規(guī)律不穩(wěn)定的模型。對(duì)于灰色模型本文進(jìn)行了深入的探討，對(duì)基本的GM(1，1)模型進(jìn)行了改進(jìn)，并結(jié)合誤差校正技術(shù)對(duì)預(yù)測(cè)結(jié)果進(jìn)行校正。
　　 在理論研究的基礎(chǔ)上，本文利用MabLab作為后