[发明专利]基于改进灰色预测模型的电力负荷中长期预测方法

说明书

技术领域

本发明属于中长期电力系统负荷预测技术领域，涉及一种灰色预测模型更新算法及最优建模序列算法的电力负荷预测方法。

背景技术

 自我国邓聚龙教授提出灰色预测模型之后，经过二十多年的发展，该理论已经在工农业、能源交通等领域得到广泛的应用，尤其是                                                模型。尽管该灰色预测模型获得了广泛关注，但是仍然存在诸多问题，尤其是应用于电力负荷中长期预测领域。当前众多学者相继提出改进方法，如马尔可夫链符号修正灰色模型的预测结果、粒子群算法优化灰色模型的背景值及初始值修正值、组合灰色模型法等等。但由于电力系统时刻处于变化之中，使得其预测模型也应处于变化之中，些改进型灰色预测算法取得较好的预测精度，但仍然存在如下问题：（1）不适合中长期预测。由于时间跨度比较大，必然需要多步预测，而利用一个固定的模型去预测变化的对象，显然会出现较大误差。（2）重复构造模型计算繁琐。构建等维新息模型（有些文献称为新陈代谢方法），由于预测值只是对真值的估计，所以用预测值等维重构模型只会增加误差；而且不断重构预测模型以取代旧模型，也会进一步加重计算机负担；（3）序列相关性问题。当一个样本中包含数个不同属性的序列时，比如样本包含2 个增长阶段（序列），当对该样本进行统计处理（如累加或累减），样本总体趋势分析将会受到序列相关性的影响。（4）大多数文献构建预测模型设置固定的建模长度，如令序列长度L =4。序列长度不同所获得GM(1,1)模型的预测值也不同，但并没有给出解决办法。因此采用固定的预测模型将会导致预测精度较差的结果。

 

发明内容

 本发明要解决的技术问题是提供一种基于改进灰色预测模型的电力负荷中长期预测方法。

为解决上述问题，本发明采用的技术方案基于改进灰色预测模型的电力负荷中长期预测方法，其特征是所述方法包括如下步骤：

首先给出灰色模型的定义：

设有一组非负原始序列，，，，称为的一次累加（1-AGO），为的紧邻均值生成序列，其中，取；由1-MGO(first-level mean generating operation)产生，称为灰色微分方程，其时间响应函数，即可获得不同时刻的预测值，说明、两参数是关健，规定，，，，，。

所述的基于改进灰色预测模型的电力负荷中长期预测方法，其特征在于还包括如下步骤：

步骤1：以每月的电力负荷量为研究对象，并形成一序列如1个月负荷量，作为建模的基本数据；

步骤2：对上述序列进行最优序列长度计算，步骤如下：

（1）取一组序列的，即（），为按照构建灰色模型步骤获得的、的，以及、值。

在序列中加入项（），使得序列变为，则该序列的

（2）计算的平均绝对百分比误差（），并比较大小，取最小MAPE对应的序列长度为最优值；

，其中为样本数据个数，为第个预测值的相对百分比误差（%）。

 

所述的基于改进灰色预测模型的电力负荷中长期预测方法，其特征在于：利用最优建立灰色预测模型，对后续电力月负荷量进行预测，并采用递推方式进行预测，以提高预测精度，

在最优序列长度的基础上，即获得建模初始数据，的、的，以及、值。其中也用、、、、来表示，该预测模型可以预测5个月内的负荷数值，那么获得第月负荷真值可以更新原预测模型。

所述的基于改进灰色预测模型的电力负荷中长期预测方法，其特征在于：更新步骤分两步骤downdating 和 updating；

（1）Downdating: 对去掉最早月份负荷值则变为，则其1-AGO为，1-MGO为，，，其中，，，，由就可以获得，。

（2）Updating：添加新一项即第项，则在上一步基础上更新相应参数如下：，，，，从而可以获得、，至此模型获得更新。