【正文】 輸入原始數(shù)列n=length(x0)。x1=ones(n,1)。x1(1)=x0(1)。for i=2:n %對(duì)原始數(shù)列進(jìn)行累加 x1(i)=x1(i1)+x0(i)。endB=ones(n1,2)。 %求Bfor i=1:(n1) B(i,1)=(x1(i)+x1(i+1))/2。 B(i,2)=1。endBT=B39。for j=1:n1 YN(j)=x0(j+1)。endYN=YN39。P=inv(BT*B)*BT*YN。 %求P，即a，ua=P(1)。u=P(2)。m=u/a。t_test=input(39。請(qǐng)輸入需要預(yù)測(cè)年數(shù):39。)。 %輸入要預(yù)測(cè)的年數(shù)x0c(1)=x0(1)。for k=1:n+t_test1 %求得x0c為預(yù)測(cè)值序列 x0c(k+1)=(x0(1)m).*exp(a.*k).*(1exp(a))。 %求P,C，模型校驗(yàn)endx0c u=0。w=0。 for k=1:n u=x0(k)+u。endr=u/n。for k=1:n w=(x0(k)r)^2+w。ends1=sqrt(w/n)for i=1:n cc(i)=x0(i)x0c(i)。endu=0。w=0。for k=1:n u=cc(k)+u。endm=u/n。for k=1:n w=(cc(k)m)^2+w。ends2=sqrt(w/n)。 C=s2/s1t=0。for k=1:n。 if abs(cc(k)m)*s10。 t=t+1。 else t=t。 endendP=t/n disp([39。預(yù)測(cè)值為： 39。,num2str(x0c(n+1:n+t_test))]) %輸出預(yù)測(cè)值（4）文中生成圖形所需程序（程序4）x=[2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011]y=[5959 6487 7376 9201 11346 13172 16012 19181 20597 24446 27000]plot(x,y,39。:sk39。,39。linewidth39。,39。MarkerEdgeColor39。,39。k39。,39。MarkerSize39。,10)legend(39。GDP39。,39。Location39。,39。best39。)title(39。20012011年河南省GDP走向39。,39。FontName39。,39。Times New Roman39。,39。FontWeight39。,39。Bold39。,39。FontSize39。,16)xlabel(39。年份39。,39。FontName39。,39。Times New Roman39。,39。FontSize39。,14)ylabel(39。GDP39。,39。FontName39。,39。Times New Roman39。,39。FontSize39。,14,39。Rotation39。,0)x=[2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011]y=[ ]plot(x,y,39。^k39。,39。linewidth39。,39。MarkerEdgeColor39。,39。k39。,39。MarkerSize39。,10)title(39。20012011年河南省用電量走向39。,39。FontName39。,39。Times New Roman39。,39。FontWeight39。,39。Bold39。,39。FontSize39。,16)xlabel(39。年份39。,39。FontName39。,39。Times New Roman39。,39。FontSize39。,14)ylabel(39。負(fù)荷39。,39。FontName39。,39。Times New Roman39。,39。FontSize39。,14,39。Rotation39。,0)x=[2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011]y=[ ]plot(x,y,39。^k39。,39。linewidth39。,39。MarkerEdgeColor39。,39。k39。,39。MarkerSize39。,10)title(39。20012011年原始數(shù)據(jù)走向圖39。,39。FontName39。,39。Times New Roman39。,39。FontWeight39。,39。Bold39。,39。FontSize39。,16)xlabel(39。年份39。,39。FontName39。,39。Times New Roman39。,39。FontSize39。,14)ylabel(39。負(fù)荷39。,39。FontName39。,39。Times New Roman39。,39。FontSize39。,14,39。Rotation39。,0)x=[2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011]y=[ ]plot(x,y,39。^k39。,39。linewidth39。,39。MarkerEdgeColor39。,39。k39。,39。MarkerSize39。,10)hold onx=[2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011]y=[ ]plot(x,y,39。:ok39。,39。linewidth39。,39。MarkerEdgeColor39。,39。k39。,39。MarkerSize39。,10)legend(39。原始數(shù)據(jù)39。,39?；貧w分析預(yù)測(cè)39。,39。Location39。,39。best39。)title(39。20012011年原始數(shù)據(jù)與回歸分析預(yù)測(cè)結(jié)果走向39。,39。FontName39。,39。Times New Roman39。,39。FontWeight39。,39。Bold39。,39。FontSize39。,16)xlabel(39。年份39。,39。FontName39。,39。Times New Roman39。,39。FontSize39。,14)ylabel(39。負(fù)荷39。,39。FontName39。,39。Times New Roman39。,39。FontSize39。,14,39。Rotation39。,0)x=[2008 2009 2010 2011]y=[ ]plot(x,y,39。^k39。,39。linewidth39。,39。MarkerEdgeColor39。,39。k39。,39。MarkerSize39。,10)hold onx=[2008 2009 2010 2011]y=[ ]plot(x,y,39。:ok39。,39。linewidth39。,39。MarkerEdgeColor39。,39。k39。,39。MarkerSize39。,10)hold onx=[2008 2009 2010 2011]y=[ ]plot(x,y,39。:+k39。,39。linewidth39。,39。MarkerEdgeColor39。,39。k39。,39。MarkerSize39。,10)legend(39。原始數(shù)據(jù)39。,39?；貧w分析預(yù)測(cè)39。,39?；疑Ｐ皖A(yù)測(cè)39。,39。Location39。,39。best39。)title(39。20082011年原始數(shù)據(jù)與兩種預(yù)測(cè)結(jié)果的走向39。,39。FontName39。,39。Times New Roman39。,39。FontWeight39。,39。Bold39。,39。FontSize39。,16)xlabel(39。年份39。,39。FontName39。,39。Times New Roman39。,39。FontSize39。,14)ylabel(39。負(fù)荷39。,39。FontName39。,39。Times New Roman39。,39。FontSize39。,14,39。Rotation39。,0)x=[2001 2002 2003 2004 2005 2006 2007]y=[ ]plot(x,y,39。^k39。,39。linewidth39。,39。MarkerEdgeColor39。,39。k39。,39。MarkerSize39。,10)hold onx=[2001 2002 2003 2004 2005 2006 2007]y=[ ]plot(x,y,39。:+k39。,39。linewidth39。,39。MarkerEdgeColor39。,39。k39。,39。MarkerSize39。,10)legend(39。原始數(shù)據(jù)39。,39?；疑Ｐ皖A(yù)測(cè)39。,39。Location39。,39。best39。)title(39。20012007年原始數(shù)據(jù)與灰色數(shù)學(xué)預(yù)測(cè)結(jié)果走向39。,39。FontName39。,39。Times New Roman39。,39。FontWeight39。,39。Bold39。,39。FontSize39。,16)xlabel(39。年份39。,39。FontName39。,39。Times New Roman39。,39。FontSize39。,14)ylabel(39。負(fù)荷39。,39。FontName39。,39。Times New Roman39。,39。FontSize39。,14,39。Rotation39。,0)附錄二 翻譯基于改進(jìn)的灰色預(yù)測(cè)模型的電力負(fù)荷預(yù)測(cè)李偉，韓竹華中國(guó)華北電力大學(xué)保定校區(qū)工商管理學(xué)院，chinahzh88688@[摘要]盡管灰色預(yù)測(cè)模型已經(jīng)被成功地運(yùn)用在很多領(lǐng)域，但是文獻(xiàn)顯示其性能仍能被提高。為此，本文為短期負(fù)荷預(yù)測(cè)提出了一個(gè)GM（1，1）—關(guān)于改進(jìn)的遺傳算法（GM（1，1）IGA）。由于傳統(tǒng)的GM（1，1）預(yù)測(cè)模型是不準(zhǔn)確的而且參數(shù)的值是恒定的，為了解決這個(gè)問(wèn)題并提高短期負(fù)荷預(yù)測(cè)的準(zhǔn)確性，改進(jìn)的十進(jìn)制編碼遺傳算法（GA）適用于探求灰色模型GM（1，1）的最佳值。并且，本文還提出了單點(diǎn)線性算術(shù)交叉法，它能極大地改善交叉和變異的速度。最后，用一個(gè)日負(fù)荷預(yù)測(cè)的例子來(lái)比較GM（1，1）IGA模型和傳統(tǒng)的GM（1，1）模型，結(jié)果顯示GM(1，1)IGA擁有更好地準(zhǔn)確性和實(shí)用性。關(guān)鍵詞：短期的負(fù)荷預(yù)測(cè)，灰色系統(tǒng)，遺傳算法，單點(diǎn)線性算術(shù)交叉法第一章 緒論日峰值負(fù)荷預(yù)測(cè)對(duì)電力系統(tǒng)的經(jīng)濟(jì)，可靠和安全戰(zhàn)略都起著非常重要的作用。特別是用于每日用電量的短期負(fù)荷預(yù)測(cè)（STLF）決定著發(fā)動(dòng)機(jī)運(yùn)行，維修，功率互換和發(fā)電和配電任務(wù)的調(diào)度。短期負(fù)荷預(yù)測(cè)（STLF）旨在預(yù)測(cè)數(shù)分鐘，數(shù)小時(shí)，數(shù)天或者數(shù)周時(shí)期內(nèi)的電力負(fù)荷。從一個(gè)小時(shí)到數(shù)天以上不等時(shí)間范圍的短期負(fù)荷預(yù)測(cè)的準(zhǔn)確性對(duì)每一個(gè)電力單位的運(yùn)行效率有著重要的影響，因?yàn)樵S多運(yùn)行決策，比如：合理的發(fā)電量計(jì)劃，發(fā)動(dòng)機(jī)運(yùn)行，燃料采購(gòu)計(jì)劃表，還有系統(tǒng)安全評(píng)估，都是依據(jù)這些預(yù)測(cè)。傳統(tǒng)的負(fù)荷預(yù)測(cè)模型被分為時(shí)間序列模型和回歸模型。通常，這些模型對(duì)于日常的短期負(fù)荷預(yù)測(cè)是有效的，但是對(duì)于那些特別的日子就會(huì)產(chǎn)生不準(zhǔn)確的結(jié)果。此外，由于它們的復(fù)雜性，為了獲得比較滿意的結(jié)果需要大量的計(jì)算工作。灰色系統(tǒng)理論最早是由鄧聚龍?zhí)岢鰜?lái)的，主要是模型的不確定性和信息不完整的分析，對(duì)系統(tǒng)研究條件的分析，預(yù)測(cè)以及決策?；疑到y(tǒng)讓每一個(gè)隨機(jī)變量作為一個(gè)在某一特定范圍內(nèi)變化的灰色量。它不依賴于統(tǒng)計(jì)學(xué)方法來(lái)處理灰色量。它直接處理原始數(shù)據(jù)，來(lái)尋找數(shù)據(jù)內(nèi)在的規(guī)律?；疑A(yù)測(cè)模型運(yùn)用灰色系統(tǒng)理論的基本部分。此外，灰色預(yù)測(cè)可以說(shuō)是利用介于白色系統(tǒng)和黑色系統(tǒng)之間的灰色系統(tǒng)來(lái)進(jìn)行估計(jì)。信息完全已知的系統(tǒng)稱為白色系統(tǒng)；相反地，信息完全未知的系統(tǒng)稱為黑色系統(tǒng)。灰色模型GM（1，1）（即一階單變量灰色模型）是灰色理論預(yù)測(cè)中主要的模型，由少量數(shù)據(jù)（4個(gè)或更多）建立，仍然可以得到很好地預(yù)測(cè)結(jié)果。灰色預(yù)測(cè)模型組成部分是灰色微分方程組——特性參數(shù)變化的非常態(tài)微分方程組，或者灰色差分方程組——結(jié)構(gòu)變化的非常態(tài)差分方程組，而不是一階微分方程組或者常規(guī)情況下的差分方程組。灰色模型GM（1，1）有一個(gè)參數(shù)，這個(gè)常數(shù)可能不是最理想的，因?yàn)椴煌膯?wèn)題可能需要不同的值，否則可能產(chǎn)生錯(cuò)誤的結(jié)果。為了修正前面提到的錯(cuò)誤，本文嘗試用遺傳算法來(lái)估算值。John Holland 首先描述了遺傳算法（GA），以一個(gè)抽象的生物進(jìn)化來(lái)提出它們，并且給出了一個(gè)理論的數(shù)學(xué)框架作為歸化。一個(gè)遺傳算法相對(duì)于其他函數(shù)優(yōu)化方法的顯著特征是尋找一個(gè)最佳的解決方案來(lái)著手，此方案不是以一個(gè)單一逐次改變的結(jié)構(gòu)，而是給出一組使用遺傳算子來(lái)建立新結(jié)構(gòu)的解決措施。通常，二進(jìn)制表示法應(yīng)用于許多優(yōu)化問(wèn)題，但是本文的遺傳算法（GA）采用改進(jìn)的十進(jìn)制編碼表示方案。本文打算用改