基于灰色與神經網絡組合模型的中長期電力負荷預測.pdf

1、中長期電力負荷預測是電力系統(tǒng)規(guī)劃和電網安全運行的重要內容和基礎，電力負荷的變化受到很多因素制約，這些制約關系難以定性描述，它不僅受到地區(qū)GDP、產業(yè)結構及人口總量等的影響，而且天氣變化、地區(qū)政策也會直接影響到電力負荷的預測結果。針對負荷影響因素的復雜性和不確定性，論文依據某地區(qū)1990-2009年全社會用電量及相關經濟歷史數據，使用多種預測方法進行預測，并與2010-2013年度用電量進行誤差對比。最終建立基于灰色與神經網絡的組合模型，

2、得到的預測誤差僅為0.3475％，實現對該地區(qū)的中長期電力負荷的最優(yōu)預測。
　　本文的主要工作如下：
　　1)闡述了中長期電力負荷預測的國內外研究現狀，確定本文要選取的幾種預測方法：傳統(tǒng)預測方法中選擇多元線性回歸模型進行分析（見第三章），現代預測方法中選擇灰色模型、神經網絡模型以及組合模型進行分析（見第四章）；
　　2)對傳統(tǒng)預測方法進行研究，利用SPSS建立多元線性回歸模型，嶺回歸法編程嵌入SPSS來削弱多重共線性，

3、對比使用嶺回歸前后的預測誤差，改進的多元線性回歸模型的誤差為7.826%，明顯削弱多重共線性；
　　3)深入研究現代預測方法，分別學習灰色GM(1,1)模型和BP神經網絡模型。針對灰色GM(1,1)模型，選擇樣本長度為10年歷史負荷數據，得到的灰色模型預測誤差為1.335%；針對BP神經網絡，確定隱含層的數目為4，建立4-4-1的神經網絡模型，得到的預測誤差為0.652%；
　　4)學習組合預測模型如何建立，以及模型中權重的