m-GM分离建模法及其融合.pdfVIP

第27卷第4期 武 汉 工 业 学 院 学 报 VoL27No．4 2008年 12月 Journal of Wuhan Polytechnic University Dec．2008 文章编号2008)04-0106-04 m-GM分离建模法及其融合 杨 华 (武汉工业学院数理科学系，湖北 武汉 430023) 摘 要：基于灰色GM模型进行分离建模，提出了一种新的m—GM分离建模法，并给出了更 高效的融合函数，解决了因数据序列过长而带来的大误差和低精度问题。 关键词：GM模型；灰色GM模型；m-GM；分离建模；融合函数 中图分类号 ：0159 文献标识码 ：A 很多方面却不及GM(1，1)模型，这主要因为只考虑 0 引言 了模型函数的数学关系，忽视了实际数据的波动性。 电力系统是一个运行高度统一的大系统，由于 本文基于文献 [1]的灰色GM模型进行分离建 电能不能大量储存，其生产和消费必须同时进行，因 模，提出了一种新的 —GM分离建模法，同时给 此预知负荷的需求对于电力系统运行具有十分重要 出了更有效的融合函数。该方法是首先将原始数据 的意义，负荷预测是能量管理系统及配网管理系统 序列适当的分成m组数据序列，并且对 m组数据序 的重要组成部分、电力系统规划和运行调度的依据， 列分别进行GM模型建模；然后利用平移算子，分别 也是电力市场化商业运营必需的基本内容。 用 m个灰色模型求出原始数据序列的预测值；最 灰色模型具有要求负荷数据少，不考虑分布规 后，采用适当的数据融合方法将m组预测数据进行 律，不考虑变化趋势，运算方便，预测精度高，易于检 融合得到最终的原始数据序列的预测值。实验证 验等优点。但是Gompertz(简记为GM)模型也有一 明，m—GM模型的分离建模法能够得到比GM(1， 定的局限性 ：一是当数据离散程度越大，即数据灰度 1)模型和一些原始的缓冲算子预处理模型更高的 越大，则预测精度越差；二是灰色模型的有效性明显 预测精度，也比GM模型的二分法 更优。 受系统原始数据序列长短的影响。如果数据列太 1 灰色GM 模型 短，则难以建立较长期的预测模型；数据列过长，系 统受干扰的成分多，不稳定因素大，容易使模型精度 文献 [1]以严密的数学推理为基础，考虑到了 降低，预测结果的可信度减小。GM(1，1)模型真正 实际数据带有误差，以绝对误差为标准，提出了灰 有实际意义、精度较高的预测值，仅是最近的一、两 色GM模型。由文献[1](定理 3．4)我们得到下面 个数据，而其它更远的数据则只反映趋势值。针对 的灰色GM模型。 令原始数据为Y叭‘，Y。‘’()0，i=1，2，…，， GM模型的这些缺陷相应的给出了一些改进 ， 对于Y∞‘采用对数变换进行生成处理，即令 ’(i) 但是不能解决因数据序列过长而带来的大误差和有 = In[y。‘(i)]，i=1，2，…，n．对序列 ∞‘= 的数据列已经超过了GM预测所要求的精度范围。 {。‘’(1)，。‘’(2)，…，。‘()}进行如下处理： 文献 [2～