灰色季节变动指数模型gsvi(1,1)在农村用电量预测中的应用 application of gray seasonal variation index model gsvi(1,1) in country electricity demand forecasting.pdfVIP

一 臻 ．霜． 第∞卷第6期 中国电力 voI．∞。No．6 荔 翻X旧年6月 ELECTRICPOWER Jun．翻Ⅺ6 ，曩暴爨瀚 鞫萌巨 鬻黪2 謦 黼蠢漓藤慧麓黎鬻_ 往无法准确刻画这种复杂、多变的趋势，导致进行用 O引言 电量预测时，增长率过快，预测精度变低。据此，文献 电力负荷预测是电力部门的重要工作之一，根 对增长趋势建模，用人工神经网络对季节性建模，然 据预测周期的不同通常可以分为超短期负荷预测、 后用最优组合预测理论综合这2种模型。文献[5]提 短期负荷预测和中长期负荷预测。在一定的规划期 出了季节周期预测模型，即用季节指数修正长期趋 内，电力系统的负荷水平决定了电力系统发展的规 势变动模型进行负荷预测。虽然季节性波动比较复 模与速度。因此，中长期负荷预测的结果在一 杂，但是同一季节往往具有相似的波动趋势。针对季 定程度决定了未来规划期内电力系统的发展。当 节性波动的这一特点，本文提出了灰色GM(1，1)的 前电力市场由卖方市场转向买方市场，过去的以 产定销变成了现在的以销定产，生产计划和基建 计划的安排都对中长期电力负荷预测提出更高的 即用GM(1，1)模型对时间序列中的趋势值进行拟 要求。 合，然后用季节变动指数(SvI)对预测值加以修正的 负荷预测中尤以用电量预测为重要。用电量预 测的方法有多种，其中灰色GM(1，1)模型预测方法可以反映时间序列的趋势变动，又可以反映季节因 素的影响，从而在对含有季节因素的时间序列预测 是一种比较有效的方法[1吲。灰色GM(1，1)模型预测 具有要求样本数据少、不考虑分布规律和变化趋势、 中，具有不受变量季节性变化限制、所需原始数据 原理简单、计算过程简单、预测精度高、预测结果可 少、预测精度高等特点。 检验性强等优点，因而得到了广泛的应用。但由于 GM(1，1)模型是一个指数函数，只能反映时间序列 的总体增长性趋势，不能反映其波动变化的具体特 征，比较适合于用电量增长较慢的情况，而实际用电 1．1 灰色预测GM(1，1)模型[6】的建模 量很难严格按指数规律变化。季节性观测序列一般 对原始时间序列xj∞(活1，2，…，n)作一阶累加 同时具有增长性和波动性，因此单一的灰色模型往 生成得到随机时间序列x：¨(七=1，2，…，n)，且有 收稿日期：2005．09．19；修回日期：2006—03—24 作者简介：李松(1965-)，男，黑龙江哈尔滨人，博士研究生，副教授，从事系统工程理论与应用、系统预测研究。 E．mail：lees3432@sina-com 万方数据 《’=∑x南=l，2，…，n)。 中存在的不规则变动现象，可对不同年份的同一季 x：”满足一阶线性微分方程警+趟㈣=M，其离节的季节变动指数进行平均： (5)