蚁群灰色神经网络组合模型在电力负荷预测中的应用.pdfVIP

第 37 卷 第2 期 电力系统保护与控制 Vol.37 No.2 2009 年 1 月 16 日 Power System Protection and Control Jan. 16, 2009 蚁群灰色神经网络组合模型在电力负荷预测中的应用 1 1 2 王 捷 ，吴国忠 ，李艳昌 （1.浙江大学,浙江 杭州 310027； 2.金华电业局,浙江 金华 321000） 摘要：灰色GM(1,1)预测模型，在负荷预测中得到了广泛应用，但是也有其局限性。当数据灰度越大，预测精度越差，并且 不太适合经济长期后推若干年的预测，在一定程度上是由模型中的参数a 造成的，为此引入向量θ ，建立蚁群灰色模型， 然后与神经网络模型相组合，即建立蚁群灰色神经网络组合预测模型。实证分析表明，该预测方法是合理有效的，与传统的 预测方法相比，提高了预测精度，具有较好的实用价值。 关键词: 负荷预测; GM(1,1); 蚁群算法; BP神经网络; 蚁群灰色模型 Application of ant colony gray neural network combined forecasting model in load forecasting 1 1 2 WANG Jie , WU Guo-zhong , LI Yan-chang (1. Zhejiang University, Hangzhou 310027,China; 2. Jinhua Electric Power Bureau, Jinhua 321000, China) Abstract: Although GM(1,1) forecasting model is extensively applied in the load forecasting, it has its localization. The greater the gray level of data is, the lower the prediction precision is. Besides, it is not suitable to long-term forecasting of economy to backstep for years, which, to a certain extent, is caused by parameter a in the model. To solve the problem, vector θ is introduced to set up Ant Colony Gray model, then combined with Neural Network model. Ant Colony Gray Neural Network combined forecasting model is set up. Case analysis shows that the forecast method is suitable and effective, improving prediction precision compared with traditional forecast methods, and has better utility value. Key words: load forecast; GM(1,1); ant colony optimization; BP neural network; ACOGM 中图分类号： TM715 文献标识码：A 文章编号： 1674-3415(2009)02-0048-05 改进。其中，残差GM(1，1)模型在实际应用中最为 0 引言 广泛，但其预测精度仍不