灰色马尔可夫模型在城市电力消费预测中的应用

传统的灰色预测模型只能反映月用电量的总体变化趋势,不能反映月用电量随季节的波动特征.为此,基于马尔可夫理论提出了灰色马尔可夫修正预测模型,研究了同时考虑两种趋势的城市月用电需求的预测问题.算例表明,与传统的预测方法相比,灰色马尔可夫修正的预测方法较好的提高了预测精度.     

灰色马尔科夫链的宁德旅游总收入预测模型优化研究

针对传统灰色GM(1,1)预测模型预测随机波动数据的局限性,采用残差修正方法优化GM(1,1)预测模型,并通过马尔科夫链对优化的模型进一步改进,建立了一种优化的灰色马尔科夫链的预测模型。优化模型可以有效提升预测的准确性和稳定性,通过预测宁德市旅游总收入的实例验证新模型的有效性,拓展了灰色预测模型的应用范围,为宁德市旅游事业发展的决策支持提供了一种新方法。     

基于季节指数和灰色预测的月电量预测模型

灰色预测模型GM（1,1）主要适合于光滑数据序列的预测,对非光滑数据序列常采用对数变换法、开n次方变换法和指数加权变换法提高数据的光滑度．由于月电量呈现明显的季节性变换,常用的提高光滑度的方法效果并不明显．文章提出了一种基于季节指数和灰色预测的月电量预测模型,以南京市某供电分公司近五年的月电量数据为基础,采用季节指数变换的灰色预测模型进行预测,与对数变换法的灰色预测模型比较,预测效果得到了明显提高．     

组合灰色预测模型在电力负荷预测中的应用

基于灰色预测理论,研究了基本灰色预测模型及其几种传统改进模型的原理和它们在电力负荷预测中存在的局限性,提出了电力系统中长期负荷预测的实用新方法--组合灰色预测模型.以实际算例为基础,应用基本灰色预测模型和传统改进模型以及组合灰色预测模型分别对电力负荷进行了预测,并进行了分析比较.结果表明,用灰色理论预测电力负荷,理论可靠、方法简单.对于中长期电力负荷预测这样复杂的问题,组合灰色预测模型具有预测精度高、简捷实用等优点,该方法可作为中长期电力负荷预测的工具之一.     

电网负荷预测的无偏灰色预测模型

在传统灰色预测模型的基础上作者已提出了一种改进模型,该模型消除了传统灰色预测模型存在固有偏差,因而被称为无偏灰色预测模型,在此将无偏灰色预测模型应用于负荷预测中,并与负荷预测常用的几种方法进行了对比,结果显示了无偏灰色预测模型的优越性。     

白化方程优化和新信息的一类灰色模型

针对灰色系统理论中灰色预测模型预测方面,传统模型仅限于对近似齐次指数规律序列进行建模的不足,对原始序列为近似非齐次指数规律的情形,得到一类灰色NGM(1,1,K)模型,通过对NGM(1,1,K)模型中的白化方程进行优化的方法,同时利用灰色系统的新信息原理优化时间响应函数,建立了一种改进的灰色NGM(1,1,K)预测模型.实例结果表明,该改进模型具有较高的预测和拟合精度,推广了灰色预测模型的适用范围.     

基于BFGS-FA优化的分数阶灰色模型的中长期负荷预测

针对部分灰色预测模型如GM(1,1)不满足新信息优先原则和整数阶灰色模型在扰动相等的情况下,解的扰动界随原始样本量的增大而增大,预测精度易受到输入样本波动而降低等问题,提出了一种采用BFGS-FA优化的分数阶灰色预测模型对中长期负荷进行预测。利用BFGS-FA寻优算法对分数阶灰色预测模型的阶数进行寻优,得到最优阶数的分数阶灰色预测模型。采用优化后的模型在MATLAB平台上对某地2010年至2012年的售电量进行仿真得到预测值,并将该方法与其他文献的方法进行了对比分析,研究结果表明基于BFGS-FA优化的分数阶灰色模型能提高中长期负荷预测的精度。     

基于改进CS优化算法的灰色神经网络预测模型

为了提高灰色神经网络在人工智能预测领域中的预测准确性,提出一种改进布谷鸟算法优化灰色神经网络 的预测方法.通过改进的布谷鸟算法对常规灰色神经网络(GNN)的白化参数进行优化,寻找出最优初始化参数, 并将其结果作为灰色神经网络的输入,建立了基于改进布谷鸟优化的灰色神经网络预测模型,在此基础上,采用该 方法对煤与瓦斯突出进行预测.仿真实验表明,该模型的预测精度要优于标准灰色神经网络和基于粒子群算法的 灰色神经网络等方法.     

基于改进CS优化算法的灰色神经网络预测模型

为了提高灰色神经网络在人工智能预测领域中的预测准确性,提出一种改进布谷鸟算法优化灰色神经网络的预测方法.通过改进的布谷鸟算法对常规灰色神经网络(GNN)的白化参数进行优化,寻找出最优初始化参数,并将其结果作为灰色神经网络的输入,建立了基于改进布谷鸟优化的灰色神经网络预测模型,在此基础上,采用该方法对煤与瓦斯突出进行预测.仿真实验表明,该模型的预测精度要优于标准灰色神经网络和基于粒子群算法的灰色神经网络等方法.     

基于改进灰色关联分析的BA-BP短期负荷预测

针对短期电力负荷随机性强、预测精度低等问题,提出了基于模糊灰色聚类与蝙蝠优化神经网络的短期负荷预测模型。采用模糊聚类方法选择相似日粗集,然后用改进的灰色关联分析法选取相似日;为了克服传统BP算法易陷入局部极值和收敛速度慢等问题,利用相似日集中的样本训练蝙蝠优化的BP神经网络预测模型。以某地区的历史数据为实际算例,将文中所提算法与普通的BP神经网络、传统灰色关联与蝙蝠优化的BP神经网络预测结果相比,结果表明所提方法有很高预测精度和稳定性,在实际中有一定应用价值。     

需求侧响应下的电力负荷预测模型的改进

在电力负荷预测进行建模时,传统的预测模型需要消耗大量的电力负荷样本数据,同时不能准确描述电力系统内部的变化情况,降低了电力负荷预测的精度和可靠性。提出一种基于灰色预测模型的电力负荷预测模型的改进方法,分析了基本灰色预测模型的建模过程,同时依据需求侧响应约束条件对不符合约束条件的电力负荷预测结果进行剔除,从电力负荷原始数据的处理和灰色模型预测结果的修正两方面对其进行改进。实验结果表明,采用所提方法对电力负荷进行预测,得到的预测结果精度较高,性能优异。     

基于熵值法的碳配额优化电量灰色预测模型

本文基于灰色预测理论基础,针对电量预测与碳减排目标设定难以结合的问题,从减排责任、减排能力与减排潜力三个方向入手,提出一种基于熵值法的碳配额模型,并且通过灰色预测的方法解决历史数据少的问题从而实现电量预测,最后通过综合考量碳配额在电力预测中的影响程度,提出了一种基于碳配额的优化灰色预测模型,并结合实例进行分析,通过后验差检验保证了模型的准确性,结果表明引入碳配额分配方式后的灰色模型更具有现实意义,有助于指导地区制定能源政策,并在兼顾地区历史发展水平与GDP水平的同时完善碳配额制度。     

一种改进不等间距灰色预测模型

传统不等间距灰色模型UGM(1,1)及其改进型都是基于指数模型建立的,仅对指数变化规律序列有较好的预测精度,而对于常见的线性变化序列则预测误差较大。针对该问题,通过模型拓展,在现有文献模型的基础上增加线性因素,并采用新陈代谢的思想,提出一种改进不等间距灰色预测模型AUGM(1,1),并进行实例仿真比较分析。结果表明:改进模型在预测精度和实用性上均有较大改善,且克服了传统灰色预测模型不适用于线性变化序列预测的局限,拓宽了灰色预测模型的适用范围。     

Seasonal Least Squares Support Vector Machine with Fruit Fly Optimization Algorithm in Electricity Consumption Forecasting

Electricity is the guarantee of economic development and daily life. Thus, accurate monthly electricity consumption forecasting can provide reliable guidance for power construction planning. In this paper, a hybrid model in combination of least squares support vector machine(LSSVM) model with fruit fly optimization algorithm(FOA) and the seasonal index adjustment is constructed to predict monthly electricity consumption. The monthly electricity consumption demonstrates a nonlinear characteristic and seasonal tendency. The LSSVM has a good fit for nonlinear data, so it has been widely applied to handling nonlinear time series prediction. However, there is no unified selection method for key parameters and no unified method to deal with the effect of seasonal tendency. Therefore, the FOA was hybridized with the LSSVM and the seasonal index adjustment to solve this problem. In order to evaluate the forecasting performance of hybrid model, two samples of monthly electricity consumption of China and the United States were employed, besides several different models were applied to forecast the two empirical time series. The results of the two samples all show that, for seasonal data, the adjusted model with seasonal indexes has better forecasting performance. The forecasting performance is better than the models without seasonal indexes. The fruit fly optimized LSSVM model outperforms other alternative models. In other words, the proposed hybrid model is a feasible method for the electricity consumption forecasting.     

灰色无偏GM(1,1)模型在生活能源电力消费量预测中的应用

利用2000-2005年全国生活能源电力消费量统计数据,建立了一个电力消费量预测的灰色无偏GM(1,1)模型.模拟结果表明:灰色无偏GM(1,1)模型比较合理地反应了生活能源中电力的消费趋势,并且预测精度较高、误差较小,为电力消费量预测提供了一个科学而有效的方法.     

基于灰色马尔可夫链模型的中国能源消费预测研究

随着中国经济的不断发展,能源需求不断上升,能否准确预测中国能源消费量对中国经济乃至全球经济发展都有重要的指导意义.现行的预测方法主要有回归分析法、经验模型法、时间序列法、指数平滑法和灰色系统预测法等.灰色系统预测方法在预测波动性较大的非平稳数列上有不足之处,而马尔可夫预测却适用于随机波动性较大的数列的预测.因此本文将灰色系统理论与马尔可夫链相结合,建立了能源消费总量数据的灰色马尔可夫链模型.实证分析表明,这种模型的预测精度高于GM(1,1)预测模型,预测效果较好.     

串联式组合模型在基坑监测中的应用

在传统模型基础上提出串联式组合模型,选择灰色模型对基坑监测数据的趋势项进行拟合,时间序列模型对监测数据的随机项进行拟合,发挥两者自身的特点,进行有机地组合预测分析。通过工程实例预测结果分析表明:串联式组合模型不仅能够预测出基坑的变形趋势,而且相对于时间序列模型、灰色模型有着较好的预测精度,体现出将串联式灰色时间序列组合模型应用于基坑监测的合理性和有效性。     

基于心态指标的区间灰数预测模型

针对传统灰色预测模型仅适用于实数序列而无法进行区间灰数序列建模的缺陷,引入决策者心态指标,把区间灰数序列转化为带有心态指标的序列,并且当心态指标确定时,带有心态指标的序列就转化为体现决策者心态的实数序列,然后通过对体现决策者心态的实数序列建立灰色预测模型,从而得到了一种基于心态指标的区间灰数预测模型。由于决策者可以通过调整其心态指标建立灰色预测模型,因而使得模型预测更加符合实际。