【正文】 Rotation39。FontSize39。Times New Roman39。FontName39。負荷39。FontSize39。Times New Roman39。FontName39。年份39。FontSize39。Bold39。FontWeight39。Times New Roman39。FontName39。20012011年河南省用電量走向39。MarkerSize39。k39。MarkerEdgeColor39。linewidth39。^k39。Rotation39。FontSize39。Times New Roman39。FontName39。GDP39。FontSize39。Times New Roman39。FontName39。年份39。FontSize39。Bold39。FontWeight39。Times New Roman39。FontName39。20012011年河南省GDP走向39。best39。Location39。GDP39。MarkerSize39。k39。MarkerEdgeColor39。linewidth39。:sk39。預測值為： 39。 else t=t。 if abs(cc(k)m)*s10。 C=s2/s1t=0。for k=1:n w=(cc(k)m)^2+w。for k=1:n u=cc(k)+u。endu=0。for k=1:n w=(x0(k)r)^2+w。 for k=1:n u=x0(k)+u。 %求P,C，模型校驗endx0c u=0。 %輸入要預測的年數(shù)x0c(1)=x0(1)。請輸入需要預測年數(shù):39。m=u/a。 %求P，即a，ua=P(1)。endYN=YN39。endBT=B39。 %求Bfor i=1:(n1) B(i,1)=(x1(i)+x1(i+1))/2。for i=2:n %對原始數(shù)列進行累加 x1(i)=x1(i1)+x0(i)。x1=ones(n,1)。x0=input（’Enter data:’）。% 原始數(shù)據(jù)處理方法為一次累加。 end endend（3）基本灰色預測程序（程序3）function []=greymodel(x0)% 本程序主要用來計算基本灰色理論建立模型的預測值。 else if k==L B(k)=(A(L1)+3*A(L))/4。L=length(A)。,2)。,39。plot(x,y,39。最后，衷心感謝各位評審論文的老師對本論文提出寶貴的意見和建議！附錄一 灰色模型仿真程序（1）原始數(shù)據(jù)曲線圖程序（程序1） x=[2001 2002 2003 2004 2005 2006 2007]。此外，我要感謝我的家人。在此，謹向他們表示衷心的感謝！在論文寫作過程中，同學們給了我很多指導和建議，沒有他們的幫助就沒有本論文的如期完成，在這里向他們表示誠摯的感謝。 參考文獻[1][J].太原理工大學,2010,29~32.[2]王吉權,[D].成都：四川大學,2008.[3] 毛李帆、江岳春. 基于最小二乘的中長期負荷預測[D].保定：華北電力大學，2008[4] 趙文清、[D].哈爾濱：哈爾濱理工大學,2005,7~9. [5] 任玉瓏、[D].保定：華北電力大學，2008.[6]康重慶,夏清,[M].北京：中國電力出版,2007.[7][D].南京：南京理工大學,2002. [8]牛東曉,曹樹華,[M].北京：中國電力出版社,1998.[9][D].成都：四川大學,2003,24~26.[10][M].武漢:華中理工大學出版社,1996.[11][J].四川大學學報,2004,27~29.[12]康重慶,夏清,[J].電力系統(tǒng)自動化,2004.[13] [J].供用電,1994.致 謝本文是在導師XXCC的悉心指導下完成的，值此論文完成之際謹向老師致以衷心的感謝和深深的敬意!老師嚴謹治學、誨人不倦，不僅教導我畢業(yè)論文的寫法，而且教育我做人的原則。傳統(tǒng)的預測方法比較成熟，預測的結果仍具有一定的參考意義，但要求進一步提高預測的精度，這就需要對傳統(tǒng)方法進行改進。為了提高電力負荷預測的精度，必須結合電力負荷變化的實際情況，針對負荷變化的特點進一步改善和完善預測模型。通過對河南省電力負荷的預測實例，表明了GM(l，l)是一種可行的電力負荷預測方法。本文通過對回歸分析和灰色理論預測方法建模機理的研究，發(fā)現(xiàn)灰色模型預測精度高于回歸模型。灰色預測模型GM(1，l)具有要求數(shù)據(jù)少、計算簡便、易于檢驗等優(yōu)點。本文主要分析回歸模型和灰色理論在中長期電力負荷預測的應用。因此，電力負荷預測對于保證電力工業(yè)的健康發(fā)展，乃至整個國民經(jīng)濟的發(fā)展均有著十分重要的意義，從而促使電力研究者們不斷地對電力負荷預測進行研究，追求精益求精的效果。第五章 總結和展望隨著國民經(jīng)濟的發(fā)展和人民生活水平的不斷提高，電力已成為國民經(jīng)濟建設和人民生活中必不可少的重要能源，這使得負荷預測越來越引起人們的重視。線性回歸模型和灰色模型對該省2008～2011年用電量預測結果對比如下表45：表45 線性回歸模型和灰色模型預測結果對比（億千瓦時）年份原始數(shù)據(jù)線性回歸模型灰色模型預測數(shù)據(jù)預測精度預測數(shù)據(jù)預測精度2008%%2009%%2010%%2011%%圖44 20082011年原始數(shù)據(jù)、回歸分析預測值、灰色模型預測值走向圖 通過上表對比的數(shù)據(jù)可知，GM(1，l)模型預測的結果比線性回歸模型相對誤差小、預測的精度有很大提高，說明了這GM(1，l)模型對該地區(qū)的電力負荷進行預測是可行的和實用的。按照前面提到的灰色模型預測的基本步驟，可得具體誤差分析，如表43：表43 預測負荷誤差分析表（億千瓦時）年份原始數(shù)據(jù)GM（1，1）預測數(shù)據(jù)絕對誤差相對誤差20010%2002%2003%2004%2005%2006%2007%圖43 20012007年原始數(shù)據(jù)與灰色數(shù)學預測結果走向圖模型精度的后驗差校驗：原始數(shù)據(jù)的方差為=殘差方差為 =后驗差比值C =小誤差概率P =1由后驗差比值C和小誤差概率P的范圍來分析，可以確定該地區(qū)電力負荷的原始數(shù)據(jù)所建立的GM(1，1)預測模型的精度是一級的，這表明利用GM(1，1)模型對該地區(qū)的負荷預測是可行的。表42 2001～2011年河南省各年的用電量統(tǒng)計（億千瓦時）序號年份用電量120012200232003420045200562006720078200892009102010112011依據(jù)表42中2001～2011年的數(shù)據(jù)作出曲線，如圖42是用電量的原始數(shù)列的曲線圖（見程序1），圖42 20012011年原始數(shù)據(jù)曲線圖從上圖中可以看出2001～2007年的年度負荷數(shù)據(jù)總體上呈增長趨勢，是一個非負遞增數(shù)列，無周期性，符合負荷預測的特點，滿足灰色預測模型的基本條件。 實例分析本文將利用灰色理論對某市的電力負荷進行預測，該市礦產(chǎn)資源豐富，工礦企業(yè)較多，整體電力需求相對較大，負荷具有比較大的隨機性和不確定性。指標P越大越好，P越大。越小，表明殘差方差越小，殘差離散程度大。 表41 預測精度準則等級好（一級）合格（二級）勉強（三級）不合格（四級）P≤C≥指標C越小越好，C越小表示越大，而越小。按照P與C的大小，可將預測精度分為四個等級，各等級標準如表4一1。預測好壞的另一個指標是小誤差頻率要大。它是以殘差（絕對誤差）為基礎，根據(jù)各期殘差絕對值的大小，考察殘差較小的點出現(xiàn)的概率，以及與預測誤差方差指標的大小。而本文中檢驗GM（1，1）模型精度，采用的是后驗差檢驗。于是根據(jù)不同的階段，灰預測有不同的檢驗方法，包括：①對原始序列作GM(l，1)建模的可行性檢驗，由于這種檢驗是在建模前進行的，亦稱事前檢驗。比如：出現(xiàn)0, =0,→∞等?？墒遣⒉皇撬械腉M(1，1)預測模型都是有效的。利用GM（1，1）預測模型累減還原得出的結果；⑤計算絕對誤差，相對誤差，殘差平方和，以及參數(shù)P和C，并根據(jù)表31判斷預測的精度。⑤模型是常系數(shù)性質的，然而卻排斥某些系數(shù)，因此模型與參數(shù)的包含關系是非唯一的，即模型參數(shù)分布是灰的。③模型的結構隨時間而變，因此結構是灰的。 由式（418）白化形式微分方程的解，可得GM（1，1）預測模型為： k=1，2，…，n （415） 對進行累減生成還原，得的預測值，即GM（1，1）預測模型為： k=1，2，…，n （416）GM(l，l)模型具有以下特點：①模型具有微分、差分、指數(shù)兼容的性質，因此其性質是非唯一的，是灰的。式中事實上是數(shù)據(jù)矩陣B的廣義逆矩陣。因為u的內涵為系統(tǒng)的作用量，然而u不是可以直接觀測的，是通過計算得到的，是等效的作用量，是具有灰的信息覆蓋的作用量，故稱灰作用量；稱為白化背景值序列。令為GM（1，1）建模序列， 令為的一階累加生成（AGO）序列， = （48） k=1，2，…，n （49）令為的均值序列： k=2，3，…，n （410） 則GM（1，1）的定義型，即GM（1，1）的灰微分方程為： （411）稱a為發(fā)展系數(shù)。在負荷預測中常用GM(l，1)模型，它是作為電力負荷預測的一種有效的模型?；疑到y(tǒng)模型是揭示系統(tǒng)內部事務連續(xù)發(fā)展變化過程的模型，所以灰色系統(tǒng)的模型一般是用微分方程來描述的?；疑到y(tǒng)建模是利用較少的或不確定的表示系統(tǒng)行為特征的原始數(shù)據(jù)序列作生成變換后，建立微分方程。顯然，這種生成是空穴前后信息的等權生成。所謂非鄰均值生成，是對于非等時距數(shù)列，或者雖為等時距數(shù)列，但剔除異常值之后出現(xiàn)空穴的數(shù)列，用空穴兩邊的數(shù)據(jù)求平均值構造新的數(shù)據(jù)以填補空穴。顯然，這種生成是相鄰值的等權生成。所謂鄰均值生成，就是對于等時距的數(shù)列，用相鄰數(shù)據(jù)的平均值構造新的數(shù)據(jù)。當對rAGO進行rIAGO時，則得原始數(shù)據(jù)，此過程又稱為還原。令為r次生成數(shù)列，對作i次累減，記為iIAGO,定義為，則有如下關系式：0次累減，記為0IAGO,其算式為 （42）注：0次累減相當于不累減，結果仍為原來的值。所得的數(shù)據(jù)為累減生成值。換言之，通過累加生成后得到的生成數(shù)列其隨機性弱化了，規(guī)律性增強了。記為原始數(shù)列， = 對該數(shù)列進行一次累加， = k=1,2,…,n (41)生成新數(shù)列為： 則稱為的一次累加生成數(shù)列，記為1AGO(Accumulated Generating Operation)。如果對一原始數(shù)列作如下處理：原如數(shù)列中的第一個數(shù)據(jù)維持不變，作為新數(shù)列的第一個數(shù)據(jù)，新數(shù)列的第二個數(shù)據(jù)是原始的第一個與第二個數(shù)據(jù)相加，新數(shù)列的第三個數(shù)據(jù)是原始的第一個、第二個與第三個相加，……，依次類推?；疑到y(tǒng)在建模時，必須采取一定的方式對原始數(shù)據(jù)進行生成處理，使生成數(shù)據(jù)序列變成有規(guī)律的序列。關鍵在于如何選擇適當?shù)姆绞饺ネ诰蛩屠盟；疑到y(tǒng)是通過對原始數(shù)據(jù)的整理來尋求其變化規(guī)律的，這是一種就數(shù)據(jù)尋找