【正文】 x2=mean(x0)x2 = x3=mean(x1)x3 = s=sum((x0x2).^2)/12s = t=sum((x1x3).^2)/12t = s1=sqrt(s)s1 = s2=sqrt(t)s2 = c=s2./s1c = s0=*s1s0 = p=abs(x1x3)p = for i=1:12a(i)=*exp(*(i+5))+*exp(*i)。 B=[z,a]。殘差數(shù)列 x2=mean(x0)x2 =。 g=f*Y。z =[ ]。衷心感謝各位專家在百忙之中對本文的審閱和指導！ 參考文獻[1] （第二版）. 高等教育出版社,2009[2] 司守奎,2012[3] 劉保柱,蘇彥華, . 人民郵電出版社,2010[4] :[碩士學位論文].上海:上海交通大學,2006[5] :[碩士學位論文].湖南:湖南大學,2009[6] 孫輝,姜梅,1997年第2期[7] 吳熳紅,2004年第1期[8] ,2012年第14期[9] ,1990年第1期[10] :[本科生學年論文].杭州師范大學錢江學院,2010[11] ,2002[12] 孟祥斌. 基于小波分析的中長期負荷預測模型研究與實現(xiàn):[碩士學位論文].大連:大連理工大學,2008[13] 陳軍,姜國麟,2000年第1期[14] :中國統(tǒng)計出版社 附錄附件1:GM(1,1)模型程序 exp(1/7)。多變量灰色預測模型廣泛的應用于許多領域。累減還原成原始數(shù)列得 (665)使用該模型時，需要考慮到多種不確定因素，例如天氣、節(jié)假日、大工業(yè)用戶突發(fā)事件、國家政策、自然災害等，都會對負荷預測產(chǎn)生一定的影響。由表51可以看出，對于給定的，且，所以改進模型可以被評為“優(yōu)”。方法如下：由GM(1,1)模型，利用原始數(shù)列，可得出預測值 (631)則 (632)定義殘差序列。對原始數(shù)列進行一次累加（1AGO），得 (612)求均值數(shù)列，得 (613)構造數(shù)據(jù)矩陣和數(shù)據(jù)向量，得 (614) (615)下面計算 (616) (617) (618)這樣可以得到預測模型表達式 (619)其中。 最顯著的特點是在歷史數(shù)據(jù)較少的情況下，對呈增長或下降趨勢的一類數(shù)據(jù)，其預測結果均能達到很好的精度。表51 后驗差檢驗判別參照表模型精度優(yōu)合格勉強合格不合格（3）級比偏差值檢驗：首先由參考數(shù)據(jù)，計算出級比，再用發(fā)展系數(shù)a求出相應的級比偏差 (519)如果，則可認為達到一般要求；如果，則認為達到較高的要求。于是建立灰微分方程為 （53）相應的白化微分方程為 （54）記，則由最小二乘法，求得。 累減生成對于原始數(shù)據(jù)列依次做前后相鄰的兩個數(shù)據(jù)相減的運算過程稱為累減生成過程（IAGO）。世界上沒有絕對的白色系統(tǒng)，因為任何系統(tǒng)總有未確知的部分，也沒有絕對的黑色系統(tǒng)，因為既然一無所知，也就無所謂該系統(tǒng)的存在了。又如，“那女孩身高在150160cm之間”，則關于身高的灰數(shù)為。此外，專家系統(tǒng)擁有豐富的知識以及經(jīng)驗，可靠性好，工作效率高，可以將復雜的數(shù)值計算予以避免，進而得到準確的結果。由于小波分析在理論上的完美性以及在應用上的廣泛性，在短短的幾年中，受到了科學界、工程界的高度重視，并且在模式識別、語言識別、故障診斷、圖象處理、地震預報、信號處理、狀態(tài)監(jiān)視、雷達等十幾個科學領域中得到應用。因此，預測被當作人工神經(jīng)網(wǎng)絡最有潛力的應用領域之一。 神經(jīng)網(wǎng)絡理論預測人工神經(jīng)網(wǎng)絡是一種應用類似于大腦神經(jīng)突觸聯(lián)接的結構進行信息處理的數(shù)學模型。如今的模糊數(shù)學的應用已經(jīng)遍及理、工、農(nóng)、醫(yī)及社會科學的各個領域，充分的表現(xiàn)了它強大的生命力和滲透力。模糊數(shù)學是研究現(xiàn)實中許多界限不分明問題的一種數(shù)學工具，其基本概念之一是模糊集合。鄧教授希望在可利用數(shù)據(jù)不多的情況下，找到了較長時期起作用的規(guī)律，于是進行了用少量數(shù)據(jù)做微分方程建模的研究?；疑碚摬捎没疑^程生成對原始數(shù)據(jù)進行處理，以得到隨機性弱化和規(guī)律性強化了的數(shù)列，并在此基礎上生成灰色預測模型，使模型具有較高的精度。這其中主要有灰色系統(tǒng)理論、模糊數(shù)學理論、神經(jīng)網(wǎng)絡理論、小波分析、專家系統(tǒng)方法等。 時間序列法時間序列法是一種最為常見的中長期負荷預測方法，它是針對整個觀測序列呈現(xiàn)出的某種隨機特性，去建立產(chǎn)生實際序列的隨機過程的模型，然后用這個模型進行預測。從數(shù)學上看，就是利用數(shù)理統(tǒng)計中的回歸分析方法，通過對變量的觀測數(shù)據(jù)進行分析，確定變量之間的相互關系，從而實現(xiàn)預測目的。多年來，國內(nèi)外專家、學者對電力負荷預測進行了廣泛深入的研究，得出了一些有意義的結論。（4）提交預測報告階段預測題目主要反映預測目標、預測對象、預測范圍和預測時限。（2）實施預測階段在進行預測時，要依據(jù)選擇的預測方法來進行預測。電力負荷預測工作既是電力規(guī)劃工作的重要組成部分，也是電力規(guī)劃的基礎。其主要工作是預測未來電力負荷的時間分布和空間分布，為電力系統(tǒng)規(guī)劃和運行提供可靠的決策依據(jù)。此類負荷與工業(yè)負荷相比，受氣候、季節(jié)等自然條件的影響很大，這是由農(nóng)業(yè)生產(chǎn)的特點所決定的。2 電力負荷分析及預測 電力負荷分析電力負荷包括兩方面的含義，即用以指安裝在國家機關、企業(yè)、居民等用戶處的各種用電設備，也可用以描述上述用電設備所消耗的電力電量的數(shù)值。因此，對負荷預測算法及模型的研究具有重要價值。提高負荷預測技術水平，有利于計劃用電管理，有利于合理安排電網(wǎng)運行方式和機組檢修計劃，有利于節(jié)煤、節(jié)油和降低成本，有利于制定合理的電源建設規(guī)劃，有利于提高電力系統(tǒng)的經(jīng)濟效益和社會效益。 背景電力系統(tǒng)的作用是對各類用戶經(jīng)濟地提供可靠和合格的電能，以隨時滿足各類用戶的要求。中長期負荷預測技術經(jīng)過幾十年的發(fā)展，人們提出了許多的預測方法。發(fā)現(xiàn)改進模型預測值比GM(1,1)模型預測值更加接近真實值，從而不僅得到更加精確的未來五年負荷預測值，也論證了改進模型的可靠性。由于時間間隔長、季節(jié)性負荷變化波動大，涉及社會發(fā)展的國民經(jīng)濟多方面因素情況復雜，其電力負荷分布規(guī)律性差。尤其在電力改革進一步深入、電力市場逐步形成、電力企業(yè)自主經(jīng)營和自負盈虧的今天，電力負荷預測工作已變得越來越重要了。對搜集到的上海市歷年電力消耗量在Matlab中進行處理，得到預測值，然后采用殘差、后驗差檢驗模型的科學性和準確度，評價結果是“優(yōu)”。 Shanghai cityI目錄1 緒論 1 背景 1 電力負荷預測的發(fā)展及研究現(xiàn)狀 22 電力負荷分析及預測 3 電力負荷分析 3 電力負荷預測 3 電力負荷預測影響因素 4 電力負荷預測的意義 4 電力負荷預測步驟 53 電力負荷預測基本算法選擇 7 傳統(tǒng)負荷預測算法 7 回歸分析法 7 時間序列法 8 現(xiàn)代負荷預測算法 8 灰色系統(tǒng)理論預測 8 模糊數(shù)學理論預測 9 神經(jīng)網(wǎng)絡理論預測 10 小波分析預測 11 專家系統(tǒng)法預測 114 灰色系統(tǒng)理論 13 灰數(shù) 13 灰色理論應用范圍 13 灰色生成數(shù)列 14 累加生成 14 累減生成 14 均值生成 155 灰色預測的方法及步驟 16 灰色預測的方法 16 灰色預測的步驟 16 數(shù)據(jù)的檢驗與處理 16 建立模型 17 檢驗預測值 17 主程序框圖 19 預測預報 206 灰色預測模型 21 GM(1,1)模型及應用實例 21 GM(1,1)改進模型及應用實例 27 GM(1,N)模型及應用實例 327 總結 33致謝 34參考文獻 35附錄 36II1 緒論電力系統(tǒng)中長期負荷預測是指對未來一年至幾年的負荷進行預測。灰色系統(tǒng)理論是把負荷序列看作一真實的系統(tǒng)輸出，它是眾多影響因子的綜合作用結果。負荷的大小，無論是對電力系統(tǒng)的規(guī)劃設計還是運行研究而言，都是極為重要的因素。隨著現(xiàn)代工業(yè)和農(nóng)業(yè)的不斷發(fā)展及人民生活水平的日益提高，社會對電力的需求量越來越大。在電力系統(tǒng)中的中長期負荷預測中，這些方法盡管得到了廣泛的應用，但都有自己的局限性。此外，商業(yè)部門由于商業(yè)行為在節(jié)假日會增加營業(yè)時間，從而成為節(jié)假日中影響電力負荷的重要因素之一。中長期的負荷預測具有一種不確定性和隨機性，導致了負荷預測有以下特點：第一，預測的結果并不是確定的；第二，負荷預測一般是在一定時間與范圍內(nèi)進行的；第三，負荷預測往往是在一定條件下進行的。 （1）氣象因素的影響：很多負荷預測模型都引入了氣象部門提供的氣象預報信息，包括溫濕度、雨量等在內(nèi)的氣象因素都會直接影響負荷波動，尤其在居民負荷占據(jù)較高比例的地區(qū)，這種影響更大；（2）節(jié)假日及特殊條件的影響：較之正常工作日，一般節(jié)假日的負荷都會明顯降低，以春節(jié)為例，春節(jié)期間的負荷曲線一般會出現(xiàn)大幅度的下降變形，而其變化周期也大致與假日周期吻合；（3）大工業(yè)用戶突發(fā)事件的影響：對于大工業(yè)用戶裝機容量占用電負荷較高的地區(qū)，大工業(yè)用戶在負荷預測偏差中起到的影響作用也比較大；（4）負荷特性分析和預測方法的影響：由于很多地區(qū)在負荷種類結構以及變化因素上的統(tǒng)計分析工作不夠深入，導致在需要歷史數(shù)據(jù)進行對照時無法展開工作，對于負荷特性和相關變化規(guī)律的總結也就無從談起；（5）管理與政策的影響：符合預測是一項技術含量很高的工作，然而符合預測工作在很多地區(qū)還沒有得到足夠的重視，基礎工作薄弱，與大用戶的信息溝通不暢，大用戶的用電缺乏計劃性和有序性；預測人員缺乏良好的綜合素質(zhì)、較高的分析能力和豐富的運行經(jīng)驗，不適應高標準工作的要求。因此，電力負荷預測是一項十分重要的工作，它對于保證電力工業(yè)的健康發(fā)展，乃至對于整個國民經(jīng)濟的發(fā)展均有著十分重要的意義。因此，在得到預測結果后必須對預測結果的準確度和可靠性進行評價。附錄主要包括說明正文的附表、資料，預測中采用的計算方法的推導和說明，以及正文中未列出的有價值的其他資料。但有時候在回歸分析中，選用何種因子和該因子采用何種表達式只是一種推測，這影響了用電因子的多樣性和某些因子的不可預測性，使得回歸分析在某些情況下受到限制。按自變量的多少可以分為一元回歸和多元回歸，按照自變量和因變量間回歸方程的類型又可以分為線性回歸和非線性回歸。時間序列法的優(yōu)點是工作量小，所需要的數(shù)據(jù)少，此外計算的速度也快，對負荷近期的變化的連續(xù)性能夠準確地反映?；疑碚撛诟拍钌细淖兞穗S機性問題的處理方法，從而可使它用于信息不明或信息不全的系統(tǒng)。灰色系統(tǒng)理論的形成是有過程的。它以“模糊集合”論為基礎。 模糊數(shù)學就是用數(shù)學方法研究與處理模糊現(xiàn)象的數(shù)學。模糊系統(tǒng)不管其是如何進行計算的，從輸入輸出