【正文】 正確地預測電力負荷，既是為了保證無條件供應國民經濟各部門及人民生活以充足的電力的需要，也是電力工業(yè)自身健康發(fā)展的需要。（1）準備階段準備階段的工作是由確定預測目標、落實組織工作、搜集資料、分析資料和選擇方法等工作組成。若誤差太大，就失去了預測的意義，并從而導致電力規(guī)劃的失誤。但由于電力系統(tǒng)負荷變化的復雜性，無法建立一個確定的模型對它進行預測?；貧w分析法就是根據負荷過去的歷史資料，建立可以分析的數學模型，對未來的負荷進行預測。而且為了獲得比較精確的預報結果，需要大量的計算，這一方法不能處理氣候變量和負荷之間的非平衡暫態(tài)關系。 現代負荷預測算法二十世紀八十年代后期，一些基于新興學科理論的現代預測方法逐漸得到成功應用。它將隨機量當做在一定區(qū)間變化的灰色量，將灰色過程當作是在一定幅區(qū)內，一定時區(qū)內變化的隨機過程。后來，他接受了全國糧食預測的課題，為了搞好預測工作，他研究了概率統(tǒng)計追求大樣本量，必須先知道分布規(guī)律、發(fā)展趨勢，而時間序列法只致力于數據的擬合，不注重規(guī)律的發(fā)展。它既可用于“硬”科學方面，又可用于“軟”科學方面。經過短暫的沉默和爭議之后，迅猛的發(fā)展起來了，而且應用越來越廣泛。這種方法的模型有較高的精度，但是它的訓練時間太長，收斂較慢等缺點。運用神經網絡技術進行電力負荷預測，其優(yōu)點是可以模仿人腦的智能化處理，對大量非結構性、非精確性規(guī)律具有自適應功能，具有信息記憶、自主學習、知識推理和優(yōu)化計算的特點，特別的，其自學習和自適應功能是常規(guī)算法和專家系統(tǒng)技術所不具備的。由于派生小波可以達到任意小的規(guī)定精度，并可以對有限長的信號進行精度的度量，因此可以獲得相對于傅里葉分析所不能獲得的局部時間區(qū)間的信息。專家系統(tǒng)法總結了目前城市電網中負荷預測的可行模型，針對目前方法存在的片面性，首次嘗試把專家系統(tǒng)技術應用到負荷預測上，從而克服單一算法的片面性；同時，能夠對于各種因素進行全面的考慮，全過程程序化，使得方法還具有建模簡單以及快速決斷的優(yōu)點。4 灰色系統(tǒng)理論 灰數在灰色系統(tǒng)中，灰數是指信息不完全的數，例如：“那人的身高約為165cm，體重大致為50kg，這里的“165”、“50”都是灰數，分別記為。顯然，黑色、灰色、白色都是一種相對的概念。類似地有 （42）稱為的r次累加生成數列。求均值數列 （52）即。若對于給定的，當時，稱模型為均方差比合格模型；如對給定的，當時，稱模型為小殘差概率合格模型。 用微分方程擬合數據的方法來描述事物的發(fā)展變化規(guī)律，它的算法簡單，速度快。數據如下：表61 上海市歷年電力消費量 （單位：億度）年份199920002001200220032004用電量 表62 上海市歷年電力消費量（續(xù)）2005200620072008200920102011圖61 上海市歷年電力消耗量利用上面兩個表格的數據建立原始數列 (610)計算級比，得 (611)當時，可容覆蓋，所有級比均落在可容覆蓋區(qū)間內，因此可以利用該模型進行預測，無需再對數據進行處理?，F分別將代入，獲得數據如下：表65 未來五年電力負荷預測量 （單位：億度）年份20122013201420152016預測量 GM(1,1)改進模型及應用實例若GM(1,1)模型經檢驗不合格時，可以采用GM(1,1)改進模型進行修正。首先計算原始數列的均值 (651)再計算原始數列均方差 (652)求殘差均值 (653)求殘差均方差 (654)計算均方差比較值 (655)計算小殘差概率 (656) (657)由以上數據可得。用表示的估計值，如果存在，則有類似GM(1,1)模型，可得預測值為 (664)其中取為。另外Matlab語言具有良好的運行環(huán)境、強大的函數資源，其編程效率遠遠高于其他高級語言。他們勤勞工作的態(tài)度和樸素善良的本質一直是我學習的榜樣，祝愿他們永遠健康、永遠快樂！我還要感謝我所列參考文獻的作者，正是他們的許多研究成果給了我很大的幫助，在此表示誠摯的謝意。end ave z=ave39。 f=d*c。后驗差檢驗 x1=[ ]。z =[ ] a=ones(7,1)。 殘差模型后驗差檢驗 x1=[0 0 ]。保密的論文（設計）在解密后適用本規(guī)定。 作者簽名： 指導教師簽名： 日期： 日期： 注 意 事 項（論文）的內容包括：1）封面（按教務處制定的標準封面格式制作）2）原創(chuàng)性聲明3）中文摘要（300字左右）、關鍵詞4）外文摘要、關鍵詞 5）目次頁（附件不統(tǒng)一編入）6）論文主體部分：引言（或緒論）、正文、結論7）參考文獻8）致謝9）附錄（對論文支持必要時）：理工類設計（論文）正文字數不少于1萬字（不包括圖紙、程序清單等）。殘差模型總表達式enda = 畢業(yè)論文（設計）原創(chuàng)性聲明本人所呈交的畢業(yè)論文（設計）是我在導師的指導下進行的研究工作及取得的研究成果。 Y=[ ]。平均值 x3=mean(x1)x3 = s=sum((x0x2).^2)/12s = t=sum((x1x3).^2)/12t = s1=sqrt(s)。g = 。平均值 a=ones(12,1)。求級比ans = 。但該模型參數估計以及預測都需要經過比較復雜的計算，本文灰色預測模型通過Matlab程序能夠方便的解決模型的計算問題。由于這些不確定 因素難以數字化，并且數據不易搜集，因此該模型并不常用，充分利用好上述兩種模型足以。但精度要高于GM(1,1)模型，因此用該模型預測，結果將更加接近于真實值。若取，則相對應的殘差數列為： (633)計算其一次累加生成數列，并建立其GM(1,1)模型，求出其預測值： (634) (635)于是綜合以上兩個預測值，得到修正模型： (636)其中為修正系數。下面進行殘差檢驗，根據預測公式求得各個預測值為 (620)累減生成數列，得 (621)絕對殘差數列為 (622)相對殘差數列為 (623)表63 真實值和預測值對照表 （單位：億度）年份199920002001200220032004真實值預測值絕對殘差0相對殘差0%%%%%表64真實值和預測值對照表（續(xù)）2005200620072008200920102011%%%%%%%圖62 真實值和GM(1,1)模型預測值對照圖由以上看出，殘差并不是太大，均在可接受的范圍之內，因此可用該模型進行預測，為增進可靠性，下面再做后驗差檢驗。事實證明，對于像年用電總量、年最大負荷、年平均負荷這類隨國民經濟的增長而增長的數據，利用GM(1,1)模型來預測，其預測精度基本能滿足用戶要求。若殘差值、后驗差檢驗、級比偏差檢驗均在允許的范圍內，則可以認為所用的模型合理，可以用來預測，否則不能用來預測。于是求解方程得 （55） 灰色預測的步驟 數據的檢驗與處理首先，為了保證預測方法的可行性，需要對已知數據列做必要的檢驗處理。如果原始數據列為，令 （43）稱所得到的數列為的1次累減生成數列。 灰色生成數列在灰色系統(tǒng)理論中，把隨機變量看成灰數，即是在指定范圍內變化的所有白色數的全體。記為灰數的白化默認數，簡稱白化數，則灰數為白化數的全體。缺點是預測過程容易出現人為差錯及預測專家比較缺乏，而且，因為各地的負荷都有自己的特點，專家系統(tǒng)都是針對一些具體的系統(tǒng)，所以就不能直接地應用于一些其它的系統(tǒng)。小波分析是一種時域——頻域分析方法，它在時域和頻域上同時具有良好的局部化性質，并且能根據信號頻率高低自動調節(jié)采樣的疏密，它容易捕捉和分析微弱信號以及信號、圖象的任意細小部分。神經網絡理論是利用神經網絡的學習功能，讓計算機學習包含在歷史負荷數據中的映射關系，再利用這種映射關系預測未來負荷。在工程與學術界也常直接簡稱為神經網絡或類神經網絡。 統(tǒng)計數學是將數學的應用范圍從確定性的領域擴大到了不確定性的領域，即從必然現象到偶然現象，而模糊數學則是把數學的應用范圍從確定領域擴大到了模糊領域，即從精確現象到模糊現象。利用模糊數學和模糊邏輯，能很好地處理各種模糊問題。這一工作開始并不順利，一時建立不起可供應的模型。灰色模型適合于貧信息條件下的預測，灰色系統(tǒng)理論采用生成數列建模。 灰色系統(tǒng)理論預測灰色系統(tǒng)理論是二十世紀八十年代由我國鄧聚龍教授提出，用來解決信息不完備系統(tǒng)的數學方法。電力負荷的一些歷史數據就是根據時間的間隔記錄下來的一種有序的集合，所以說它是一個時間序列。其結構形式以及計算原理比較簡單，預測速度也比較快。在預測實踐中對于同一個問題，往往可以采用多種不同的預測方法，彌補單模型的不足，盡可能地提高預測精度。摘要通常說明預測中的主要發(fā)現、預測的結果及提出的主要建議和意見。如果是采用定量預測方法來進行預測，就要根據建立的定量預測模型，帶入預測期的自變量目標值，就可以獲得預測期所要的預測變量值。電力負荷預測為編制電力規(guī)劃提供依據，它規(guī)定了電力工業(yè)的發(fā)展水平、發(fā)展速度、動力資源的需求量，電力工業(yè)發(fā)展的資金需求量，以及電力工業(yè)發(fā)展對人力資源的需求量。 電力負荷預測影響因素在電力負荷預測中，很多因素不同程度地影響著電力負荷的預測值。農業(yè)用電負荷也受農作物種類、耕作習慣的影響，但就電網而言，由于農業(yè)用電負荷集中的時間與城市工業(yè)負荷高峰時間有差別，所以對提高電網負荷率有好處。電力負荷的構成與特點如下：電力系統(tǒng)負荷一般可以分為工業(yè)負荷、商業(yè)負荷、城市民用負荷、農村負荷以及其他負荷等，不同類型的負荷具有不同的特點和規(guī)律。 電力負荷預測的發(fā)展及研究現狀中長期的負荷預測經歷了經典預測法到人工智能的過程。按預測時間期限通常分為短期、中期、中長期負荷預測。電能的特點之一是不能大量儲存，即電能的生產、輸送、分配、消費是同時進行的?，F有的預測方法大體可以分為兩類：經典的數學統(tǒng)計方法以及上世紀九十年代興起的各種人工智能方法。關鍵詞：電力系統(tǒng)；中長期負荷預測；灰色預測模型；GM(1,1)模型；上海市ABSTR