【正文】 、圖表要求：1）文字通順，語言流暢，書寫字跡工整，打印字體及大小符合要求，無錯(cuò)別字，不準(zhǔn)請他人代寫2）工程設(shè)計(jì)類題目的圖紙，要求部分用尺規(guī)繪制，部分用計(jì)算機(jī)繪制，所有圖紙應(yīng)符合國家技術(shù)標(biāo)準(zhǔn)規(guī)范。 作者簽名： 指導(dǎo)教師簽名： 日期： 日期： 注 意 事 項(xiàng)（論文）的內(nèi)容包括：1）封面（按教務(wù)處制定的標(biāo)準(zhǔn)封面格式制作）2）原創(chuàng)性聲明3）中文摘要（300字左右）、關(guān)鍵詞4）外文摘要、關(guān)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(jié)論7）參考文獻(xiàn)8）致謝9）附錄（對論文支持必要時(shí)）：理工類設(shè)計(jì)（論文）正文字?jǐn)?shù)不少于1萬字（不包括圖紙、程序清單等）。保密的論文（設(shè)計(jì)）在解密后適用本規(guī)定。有權(quán)將論文（設(shè)計(jì)）用于非贏利目的的少量復(fù)制并允許論文（設(shè)計(jì)）進(jìn)入學(xué)校圖書館被查閱。對本論文（設(shè)計(jì)）的研究做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中作了明確說明并表示謝意。參考文獻(xiàn)[1] : 50～53[2] 邵偉，楊敏紅，徐政， : 54～57[3] 徐建輝. (4) [4] 任新顏,周暉. : 34～37[5] 金卓睿. (6) : 1～6[6] 牛東曉，曹樹華，趙磊， ：171～177[7] ： :1[8] 于爾鏗，劉廣一，周京田，等．能量管理系統(tǒng)[M]．北京：科學(xué)出版社，1998.[9] 程正興．?dāng)?shù)據(jù)擬合[M]．西安：西安交通大學(xué)出版社，1986.[10]吳維揚(yáng)．經(jīng)濟(jì)預(yù)測及案例分析[M]．北京：中國經(jīng)濟(jì)出版社，1995．[11]楊位欽，顧 嵐．時(shí)間序列分析與動(dòng)態(tài)數(shù)據(jù)建摸[M].北京理工大學(xué)出版社．1998[12]鄧聚龍．灰色項(xiàng)圈與決策[M]．武漢：華中理工大學(xué)出飯社．1992[13]倪 軍，楊明志，楊期余．專家系統(tǒng)技術(shù)應(yīng)用于城網(wǎng)負(fù)荷預(yù)圈[J].供用電，1994．11(5)．[14]楊 樺．任 震，趙宏偉．基于小波分析的電力系統(tǒng)短期負(fù)荷預(yù)測[A].全國高校電力系統(tǒng)及其自動(dòng)化專業(yè)第十二屆學(xué)術(shù)年會(huì)論文集[C]．保定，—178.[15]劉晨暉，電力系統(tǒng)負(fù)荷預(yù)測理論與方法[M]．哈爾濱工業(yè)大學(xué)出版社，1987[16]王建峰．顧新建，陳藍(lán)熙，高國寧，那志強(qiáng)．電力負(fù)荷短期預(yù)報(bào)數(shù)學(xué)模型的研究和應(yīng)用[M]．華東電力．19N(10)：28—31[17]胡兆光，方燕乎．智能工程與負(fù)荷預(yù)測[N]．電網(wǎng)技術(shù)．(5)：15—18[18]甘文泉，胡保生．用自適應(yīng)神經(jīng)網(wǎng)絡(luò)進(jìn)行短期電力負(fù)荷預(yù)測[N]．電網(wǎng)技術(shù)，1997，2l(3)：28—31[19] 劉長義等．山東省分區(qū)電力負(fù)荷預(yù)測及電力平衡分析[N]．電網(wǎng)技術(shù)．19N．20(5)；35—37[20]《電力負(fù)荷預(yù)測技術(shù)及其應(yīng)用》 牛東曉等 中國電力出版社[21]《線形代數(shù)》 同濟(jì)大學(xué)編寫[22]《灰色預(yù)測與決策》 鄧聚龍 華中理工大學(xué)出版社[23]《城市電力需求的灰色預(yù)測模型及其應(yīng)用》 陳志業(yè) 牛東曉等水電能源科學(xué)[(3):207 ~213]畢業(yè)論文（設(shè)計(jì)）原創(chuàng)性聲明本人所呈交的畢業(yè)論文（設(shè)計(jì)）是我在導(dǎo)師的指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。根據(jù)灰色理論建立的電力系統(tǒng)電價(jià)預(yù)測的灰色模型，由于是建立在嚴(yán)謹(jǐn)?shù)臄?shù)學(xué)理論基礎(chǔ)之上，因此，其預(yù)測結(jié)果一般具有較高的精度。對于電價(jià)平穩(wěn)變化的預(yù)測較為有效，但其精度的提高受限于隨機(jī)電價(jià)分量的影響。通過上面的計(jì)算結(jié)果比較，一元線性回歸法的精確度較低些，神經(jīng)網(wǎng)絡(luò)法對電價(jià)的預(yù)測精確度很高。從經(jīng)濟(jì)角度看，電價(jià)預(yù)測實(shí)質(zhì)上是對電力市場需求的預(yù)測。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。For i = 0 To 1s = 0For j = 0 To n 2s = s + e(i, j) * Y(j, 0) Next j a(i, 0) = sNext i39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。For k = 0 To 1For j = 0 To 1s = 0For i = 0 To n – 2 s = s + b1(k, i) * b(i, j)c(k, j) = sNext iNext jNext k39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。m = 0For i = 2 To n 1If Data1(i) * Data1(i 1) Or Data1(i) * Data1(i 1) ThenData1(i) = (Data1(i + 1) + Data1(i 1)) * m = m + 1Elsem = m + 0End if Next is = mIf Data1(n) * Data1(n 1) ThenData1(n) = * Data1(n 1)s = s + 1Else IfData1(n) * Data1(n 1) ThenData1(n) = * Data1(n 1)s = s + 1Else: s = s + 0End IfIf s 0 ThenEnd IfIf Then response = MsgBox()End IfEnd IfEnd SubPrivate Sub Command1_Click ()For i = 2 To nY (i 2, 0) = Data1(i)Data2 (i) = Data2(i 1) + Data1(i)Next i For i = 0 to n 2b(i, 1) = 1Next iFor i = 0 To n 2b(i, 0) = (Data2(i + 1) + Data2(i + 2)) / 2Next i39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。39。但可用最小二乘法得到最小二乘近似解。 （25）可推出 k=1, (2)+[(1)+ (2)]=u k=2, (3)+[(2)+ (3)]=u k=n1, (n)+ [(n)+ (n1)]=u將上述結(jié)果寫成矩陣形式有 = （26）簡記為 =BA （27）式中 =A=B=上述方程組中，和B為已知量，A為待定參數(shù)。設(shè)有變量為的原始數(shù)據(jù)序列=[(1) , (2), …, (n)]用1AGO生成一階累加生成序列(k)=[ (1)， (2)，…, (n)]其中 (k)= (i) （21）由于序列(k)具有指數(shù)增長規(guī)律，而一階微分方程的解恰恰是指數(shù)增長形式的解，因此我們可以認(rèn)為序列滿足下述一階線性微分方程模型 +=u （22）根據(jù)導(dǎo)數(shù)定義，有 = （23）若以離散形式表示，微分項(xiàng)可寫為==(k+1) (k)=[ (k+1)] （24）其中值只能取時(shí)刻k和k+1的平均值，即[(k+1)+ (k)]。GM（1，1）模型是最常用的一種灰色模型，他是由一個(gè)只包含單變量的一階微分方程構(gòu)成的模型，是作為電力負(fù)荷預(yù)測的一種有效的模型，是GM（1，N）的特例。（5）GM模型所得數(shù)據(jù)必須經(jīng)過逆生成，即累減生成還原后才能應(yīng)用。（4）對高階系統(tǒng)建模，灰色理論是通過GM（1，N）模型解決的。所以灰色模型實(shí)際上是生成數(shù)列可見模型。（1）灰色理論將隨機(jī)量當(dāng)作在一定范圍內(nèi)變化的灰色量，將隨機(jī)過程當(dāng)作是在一定范圍﹑一定時(shí)區(qū)內(nèi)變化的灰色過程。離亂的數(shù)列即灰色數(shù)列，或者灰色過程，對灰色過程建立的模型，便稱為灰色模型。一般建模是用數(shù)據(jù)列建立差分方程，而灰色建模則是用歷史數(shù)據(jù)做生成后建立微分方程模型。以單數(shù)列的微分方程GM（1，1）為基礎(chǔ)，得到了各類預(yù)測方法，將GM（1，1）滲透到局勢決策與經(jīng)典的運(yùn)籌學(xué)的規(guī)劃中，建立了灰色決策，將以建立的關(guān)聯(lián)度，關(guān)聯(lián)空間包括在內(nèi)，這樣便形成了以系統(tǒng)分析，信息處理，建模，預(yù)測，決策，控制為主要內(nèi)容的灰色系統(tǒng)理論。經(jīng)過多個(gè)領(lǐng)域的使用證實(shí)了模型的預(yù)測精度，而且使用簡單，既可用于軟科學(xué)，如社會(huì)﹑經(jīng)濟(jì)方面，又可用于硬科學(xué)，如工業(yè)過程的預(yù)測控制。在此基礎(chǔ)上，進(jìn)一步研究了離散函數(shù)的光滑性﹑微分方程背景值﹑平射性等一系列問題，同時(shí)考察了有限與無限的相對性，定義了指標(biāo)集拓?fù)淇臻g的灰導(dǎo)數(shù)，最后解決了微分方程的建模問題。早年鄧教授從事控制理論和模糊數(shù)學(xué)的研究，取得了許多成果。客觀世界是物質(zhì)的世界，也是信息的世界，可是在工程技術(shù)﹑社會(huì)﹑經(jīng)濟(jì)﹑工農(nóng)業(yè)﹑電力等各個(gè)系統(tǒng)中經(jīng)常會(huì)遇到信息不完全的情況，如參數(shù)信息不完全，結(jié)構(gòu)信息不完全，關(guān)系信息不完全等。為了不使它們相加彼此抵消，故最好應(yīng)該是 在灰色系統(tǒng)理論的研究中，將各類系統(tǒng)分為白色﹑黑色和灰色系統(tǒng)。我們的問題是確定一條直線y = bx +a ,使得它能最好的反映出這組數(shù)據(jù)的變化。某因素?cái)?shù)據(jù)取冪時(shí)，不可太大和太小。和 k 之間的關(guān)系選擇 k 值。 (式1)第一種情況顯然 a0 0 時(shí)，a1 ＞ 0、k ＝ 1假設(shè)此二種情況方程式為：但這里只需用到一元回歸，一元回歸圖如下：一元線性回歸法建模一元非線性回歸主要包括：一元對數(shù)回歸、一元冪函數(shù)回歸、一元雙曲線回歸、一元指數(shù)回歸、一元倒指數(shù)回歸、一元S型回歸和一元多次回歸，其中一元多次回歸最常用的是一元二次回歸、一元三次回歸和一元四次回歸。這就需要對預(yù)測對象的影響因素進(jìn)行比較認(rèn)真的、全面的分析，從許多影響因素中選擇一個(gè)最重要的、影響最大的、起決定性作用的因素作為自變量，如果隨便采用任意一個(gè)因素作為自變量，就可能使預(yù)測結(jié)果準(zhǔn)確性降低。社會(huì)經(jīng)濟(jì)現(xiàn)象的發(fā)展變化是受許多因素影響的，任何一種經(jīng)濟(jì)現(xiàn)象的數(shù)量表現(xiàn)都與多種因素有關(guān)。第三章 基于一元線性回歸和灰色理論的電價(jià)預(yù)測電價(jià)預(yù)測歷史數(shù)據(jù)見附表，現(xiàn)在先用一元線性回歸法來預(yù)測電價(jià)。不僅如此，序貫計(jì)算還具有校正預(yù)測的含義，即新的預(yù)測值等于原來的預(yù)測值與校正項(xiàng)之和，而校正項(xiàng)又等于預(yù)測誤差x(t) 與a的乘積。因此，在預(yù)測計(jì)算中，只需存儲(chǔ)值，并不斷觀測x(t)值，就可不斷進(jìn)行下一步預(yù)測。類似慣性作用。例如當(dāng)a＝， , , , L。其基本形式如下：其中a叫衰減因子。其后，、Widrow和Hopf、使得人工神經(jīng)網(wǎng)絡(luò)技術(shù)得以蓬勃發(fā)展。7神經(jīng)元網(wǎng)絡(luò)預(yù)測法人工神經(jīng)網(wǎng)絡(luò)”(ARTIFICIAL NEURAL NETWORK，.)是在對人腦組織結(jié)構(gòu)和運(yùn)行機(jī)智的認(rèn)識(shí)理解基礎(chǔ)之上模擬其結(jié)構(gòu)和智能行為的一種工程系統(tǒng)。優(yōu)點(diǎn)是：①可以模仿人腦的智能化處理；②對大量非結(jié)構(gòu)性、非精確性規(guī)律具有自適