基于数据融合算法优化的GM(1,1)负荷预测模型

• 作者: 孟欣 李郁侠
• 来源期刊: 西安理工大学学报
• 学科: 工学
• 关键词: 负荷预测 灰色模型 数据融合
• 年，卷（期）: 2012,（4）
• 页码范围: 449-452
• 页数: 4页
• 分类号: TM715
• 字数: 2418字
• 语种: 中文

摘要

为了提高中长期电力负荷预测的精度,改进传统灰色GM(1,1)模型在中长期负荷预测中因部分原始背景数据的偶然性偏差而导致预测精度降低的问题,提出了将数据融合算法与GM(1,1)模型相结合以形成数据融合算法优化下的GM(1,1)模型.首先对特定年采用多个不同历史数据进行GM(1,1)模型预测,利用数据融合算法对多次预测值进行优化分析,获得优化后的预测结果,最后通过对某电力系统年用电负荷进行实例分析,证明数据融合优化下的GM(1,1)模型具有较高预测精度.实践证明所建立的模型对电力系统中长期负荷具有良好预测能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李郁侠	西安理工大学水利水电学院	73	798	15.0	25.0
2	孟欣	西安理工大学水利水电学院	14	84	4.0	9.0