【正文】 ACT Power load forecasting is a basic work of power system and it determines the reasonable arrangement in aspects of power generation, transmission and distribution. Accurate load forecasting can ensure the safe and stable operation of power grid, effectively reduce power generation cost, and improve the economic benefit and social benefit. Especially in the day of electric power with further reform , gradually formed market , independent operation and selfsustaining enterprise , power load forecasting work has bee more and more important. Medium and longterm load forecasting directly affect the planning, production and operation of power system, and is one of the important subject of scientific research. Compared with super shortterm and shortterm power load forecasting, medium and longterm load forecasting points to be the load forecasting of more than one year. Due to the long interval time, large seasonal changes in load fluctuation, the power load distributes irregularly. Therefore, it is difficult to meet the precise requirement with the traditional theory of load forecasting of load forecasting model . In this paper ,advantages and disadvantages are pared between several kinds of prediction models based on the grey prediction model. Grey forecasting model has advantages of less sample and high prediction accuracy. First of all, using the GM(1,1) model of grey prediction model to forecast the load of Shanghai city in the next five years. Firstly, deal with the collected previous Shanghai electric power consumption in Matlab , so calendar years are predicted, then the residuals, a posteriori error inspection test model to be scientific and accurate, and the evaluation result is optimal. In order to improve the accuracy and the parability and on the basis of the GM(1,1) model, use residual improvement model to forecast the load of Shanghai in the next five years again. Also, work with the model values predicted for residual, a posteriori error inspection, and use the obtained data pared with true value and GM(1,1) model prediction. It is found that the improved model prediction is more closer to the real value than the GM(1,1) model prediction, thus not only does it get more accurate load forecast of the next five years, but it also demonstrates the reliability of the improved model. Keywords: Power system。因此，其工作難度大，用傳統(tǒng)的負荷預測理論建立的負荷預測模型難以滿足精度要求。準確的負荷預測可以保證電網(wǎng)安全穩(wěn)定運行，并有效地降低發(fā)電成本，提高經(jīng)濟效益和社會效益。首先采用灰色預測模型中的GM(1,1)模型對上海市未來五年的負荷進行預測。 GM(1,1) model。本文用灰色系統(tǒng)理論進行中長期負荷預測。因此，對未來電網(wǎng)內(nèi)的負荷變化的趨勢的預測，是一個電網(wǎng)調(diào)度部門和規(guī)劃部門所必須具有的基本信息。中長期負荷預測是目前深受關注的研究課題，是電力規(guī)劃的基礎，只有基于準確數(shù)據(jù)的預測，規(guī)劃才能有效的完成。人工智能技術主要是來解決一些關于不確定性問題以及非線性問題，但與數(shù)學的統(tǒng)計相比起來，人工智能的預測方法在預測的過程中考慮了更多的不確定因素，如：天氣、溫度、季節(jié)等，這些技術在實際的預測中提高了預測的精度。雖然商業(yè)負荷在電力負荷中所占比重不及工業(yè)負荷和民用負荷，但商業(yè)負荷中的照明類負荷占用電力系統(tǒng)高峰時段。電力負荷預測是以電力負荷以及其影響因素作為一種歷史數(shù)據(jù)，然后建立一種模型，科學地預測未來的電力負荷。有些因素是無估計的重大事件，如嚴重災害等，并且各個因素對負荷的影響可能是不一樣的，而且同一因素的不同水平對負荷的影響也是不同的。本文運用灰色系統(tǒng)理論進行電力負荷的中長期預測，它為電力規(guī)劃奠定了一定的基礎，同時為電力工業(yè)布局、能源資源平衡、電力余缺調(diào)劑，以及電網(wǎng)資金和人力資源的需求與平衡提供可靠的依據(jù)。預測結(jié)果應該是明確的，可以被檢驗的。結(jié)論與建議是扼要地列出預測的主要結(jié)果，提出有關建議和意見。電力負荷回歸分析法是通過對影響因子（如氣候、人口、國民生產(chǎn)總值）和用電的歷史資料進行統(tǒng)計分析，確定用電量和影響因子之間的函數(shù)關系，從而實現(xiàn)電力預測。回歸分析法的負荷預測是一種曲線擬合法，即對過去的具有隨機特征的負荷數(shù)據(jù)進行擬合，得到一條確定的曲線，然后將此曲線外延到適當時刻，就可以得到該時刻的負荷預測值。時間序列法可分為確定型和隨機型兩類：確定型時間序列預測模型用于估計預測區(qū)間的大小；隨機型時間序列預測模型可以看作一個線性濾波器?；疑到y(tǒng)理論把一切隨機過程看作是在一定范圍內(nèi)變化的，與時間有關的灰色過程，對灰色量不尋找統(tǒng)計規(guī)律，通過大樣本進行研究，而是用數(shù)據(jù)生成的方法，將雜亂無章的原始數(shù)據(jù)整理成規(guī)律性強的生成數(shù)列再做研究。灰色系統(tǒng)理論把負荷序列通過生成變換，使其變化為有規(guī)律的生成數(shù)列再建模，用于負荷預測。 模糊數(shù)學理論預測模糊數(shù)學是運用數(shù)學方法研究和處理模糊性現(xiàn)象的一門數(shù)學新分支。這些現(xiàn)象很難用經(jīng)典的數(shù)學來描述。第三類是模糊性模型，即模型的背景及關系具有模糊性模糊控制是在所采用的控制方法上應用了模糊數(shù)學理論，使其進行確定性的工作，對一些無法構造數(shù)學模型的被控過程進行有效控制。每兩個節(jié)點間的連接都代表一個對于通過該連接信號的加權值，稱之為權重，這相當于人工神經(jīng)網(wǎng)絡的記憶。 小波分析預測小波分析是當前數(shù)學中一個迅速發(fā)展的新領域。 專家系統(tǒng)法預測專家系統(tǒng)法是對于數(shù)據(jù)庫里存放的過去幾年的負荷數(shù)據(jù)和天氣數(shù)據(jù)等進行細致的分析，匯集有經(jīng)驗的負荷預測人員的知識，提取有關規(guī)則，借助專家系統(tǒng)，負荷預測人員能識別預測日所屬的類型，考慮天氣因素對負荷預測的影響，按照一定的推理進行負荷預測。灰色預測方法是一種不嚴格的系統(tǒng)方法，它避開系統(tǒng)結(jié)構分析環(huán)節(jié)，直接通過對原始數(shù)據(jù)的累加構建指數(shù)增長模型，尋求系統(tǒng)的整體規(guī)律。信息不完全的情況歸納起來有：元素（參數(shù)）信息不完全；結(jié)構信息不完全；關系信息（特指“內(nèi)”、“外”關系）不完全；運行的行為信息不完全。 累加生成把數(shù)列各項（時刻）數(shù)據(jù)依次累加的過程稱為累加生成過程（Accumulated Generating Operation，簡稱AGO ）。對于常數(shù)，則稱 （45）為由數(shù)列在權下的鄰值生成數(shù)，權也稱為生成系數(shù)。即取適當?shù)某?shù)，作平移變換 （57）則使數(shù)列的級比 （58） 建立模型按上文的方法建立模型GM(1,1)，則可以得到預測值 （59）其中 （510） 檢驗預測值模型GM(1,1)檢驗有三種方法：殘差檢驗、后驗差檢驗、級比偏差值檢驗（1）殘差檢驗:殘差檢驗即是對預測值和實際值的殘差進行檢驗。6 灰色預測模型 GM(1,1)模型及應用實例目前使用最廣泛的灰色預測模型就是關于數(shù)列預測的一個變量、一階微分的GM(1,1)模型。將時刻代入上式，有 (66)令，稱為數(shù)據(jù)向量，為數(shù)據(jù)矩陣，為參數(shù)向量，則GM(1,1)可以表示為矩陣方程。于是，可以用該模型進行預測。則 (647)根據(jù)此公式計算出各個預測值，進行負化處理，并結(jié)合修正模型，當時，；當時。求的均值數(shù)列 (660)則。當電力負荷呈指數(shù)規(guī)律持續(xù)增長時，用普通GM(1,1)模型即可進行預測，該預測模型具有精度高、所需樣本數(shù)量少、計算簡單、可進行多種檢驗等優(yōu)點。老師淵博的知識、豐富的實踐經(jīng)驗和嚴謹?shù)目茖W作風讓我十分敬佩，老師不辭辛勞，對每一個細節(jié)的詳細講解、指導和答疑解惑讓我深受啟發(fā)。原始數(shù)列 x1=cumsum(x0)x1 =[ ]。構造特征矩陣和特征向量 c=B39。 b/aans = m= mansans = for i=1:14ave(i)=*exp(*i)。 for i=1:b1ave(i)=1/2*(e1(i)+e1(i+1))。 d=inv(s)。 作者簽名： 日期： 畢業(yè)論文（設計）授權使用說明本論文（設計）作者完全了解**學院有關保留、使用畢業(yè)論文（設計）的規(guī)定，學校有權保留論文（設計）并向相關部門送交論文（設計）的電子版和紙質(zhì)版。圖表整潔，布局合理，文字注釋必須使用工程字書寫，不準用徒手畫3）畢業(yè)論文須用A4單面打印，論文50頁以上的雙面打印4）圖表應繪制于無格子的頁面上5）軟件工程類課題應有程序清單，并提供電子文檔1）設計（論文）2）附件：按照任務書、開題報告、外文譯文、譯文原文（復印件）次序裝訂3）其它4