电力负荷的灰色预测

刘丽华1，赵庆民2，侯志平1

（1 济南南郊热电厂，山东 济南 250002；2 山东晨鸣集团齐河板纸厂，山东 德州 251100）

摘 要：利用灰色GM（1，1）模型进行预测时，如果原始序列的变化不够光滑，预测误差很大。因此，对原始序列进行对数平滑处理，同时针对不同时段建模形成预测灰区间的特点，提出了用灰色系统理论进行电力负荷预测的具有对数平滑的灰色关联度加权预组合预测方法。该法使影响负荷的各个因素得到削弱或者抵消，提高了预测精度，并扩大了预测范围。

关键词：电力负荷；GM（1，1）模型；灰色系统；对数平滑；加权组合

1 前 言

在电力系统负荷预测中，负荷数据往往不全或者仅有少量的数据，根据少量数据推算后面几个时刻的数据，这样利用数据统计的方法或其他数学方法很难完成，原因是样本数据太少，违背了经典数学概率论中的“大样本”的准则，况且电力负荷分布状态无法直接找出良好的分布规律，因此，用传统的负荷预测理论建立的负荷预测模型很难满足精度要求，到目前为止也没有找到很好的预测方法。

在这种情况下，笔者利用灰色模型［1］进行预测，收到了很好的效果。

2 灰色GM（1，1）模型［2-4］

3.3 算法实例

用一个电力系统负荷的实例来验证该法的正确性。给出1997～2003年某省的各年度用电量（见表1），预测出的2004～2007年度用电量（见表2）。

4 结 语

由于原始数据列不够光滑，直接对原始数据列进行灰色预测，预测数据误差极大，而进行指数平滑后的预测精度大幅度提高。在指数平滑处理的基础上，对数据列分组预测，进行灰关联加权组合，使影响负荷的无关因素进一步减小，从而使预测精度进一步提高，并扩大了使用范围。

参考文献：

［1］ Chen Yaokai，Xue Rui.Grey Relational Analysis on Serum Mark-ers of Liver Fibrosis［J］.The Journal of Grey System，1995，7（1）：63-68.

［2］ 邓聚龙.灰色系统理论的 GM 模型［J］.模糊数学，1985（2）：23-32.

［3］ Deng Julong.Properties of Multivariable Grey Model GM（1，N），The Journal of Grey System［J］.1989（1）：25-41.

［4］ Deng Julong.Introduction to Grey System Theory［J］.The Journal of Grey System，1989（1）：1-24.

［5］ 朱常青，王秀和，张鑫，等.基于灰关联加权组合模型的电力负荷预测研究［J］.电力系统及其自动化学报，2006，18（2）：79-81