改进的灰色Verhulst模型在中长期负荷预测中的应用

被引：39
作者：
周德强
机构：
[1] 长江大学信息与数学学院
来源：
电网技术 | 2009年 / 33卷 / 18期
关键词：
中长期负荷预测; 灰色Verhulst模型; 最小二乘支持向量机算法; 等维新息技术;
D O I：
10.13335/j.1000-3673.pst.2009.18.016
中图分类号：
TM715 [电力系统规划];
学科分类号：
080802 ;
摘要：
针对中长期电力负荷预测"小样本"、"贫信息"、"不确定"、"非线性"等特点,提出了基于最小二乘支持向量机算法与等维新息技术的改进灰色Verhulst模型,并将该模型用于具有"S型"增长或处于饱和增长状态的中长期电力负荷预测。根据原始数据建立了灰色Verhulst模型,利用LS-SVM算法对模型中的参数进行了估计,基于等维新息递补预测法对负荷数据进行了预测。实例计算结果表明,基于该模型得到的预测结果相对误差在3%以内,与传统预测模型相比,采用文中的模型可获得更高的预测精度。
引用
收藏
页码：124 / 127
页数：4
相关论文
共 13 条
[1]   基于遗传算法优化参数的支持向量机短期负荷预测方法 [J].
吴景龙 ;
杨淑霞 ;
刘承水 .
中南大学学报(自然科学版), 2009, 40 (01) :180-184
[2]   组合优化灰色模型在中长期电力负荷预测中的应用 [J].
俞明生 ;
冯桂宏 ;
杨祥 .
沈阳工业大学学报, 2007, (02) :153-156
[3]   基于小波变换和最小二乘支持向量机的短期电力负荷预测 [J].
杨延西 ;
刘丁 .
电网技术, 2005, (13) :60-64
[4]   灰色等维新息模型在灌溉用水量预测中的应用研究 [J].
拜存有 ;
冯旭 ;
张升堂 ;
李德君 .
西北农林科技大学学报(自然科学版), 2004, (09) :115-118
[5]   基于小波分解和人工神经网络的短期负荷预测 [J].
徐军华 ;
刘天琪 .
电网技术, 2004, (08) :30-33
[6]   基于人工神经网络的中期电力负荷预测研究 [J].
高强 ;
王胜辉 ;
徐建源 .
沈阳工业大学学报, 2004, (01) :41-43
[7]   短期负荷预测的支持向量机方法研究 [J].
李元诚 ;
方廷健 ;
于尔铿 .
中国电机工程学报, 2003, (06) :55-59
[8]   基于人工神经网络和模糊推理的短期负荷预测方法 [J].
马文晓 ;
白晓民 ;
沐连顺 .
电网技术, 2003, (05) :29-32
[9]   灰色Verhulst模型在中长期负荷预测中的应用 [J].
张伏生 ;
刘芳 ;
赵文彬 ;
孙自安 ;
蒋光英 .
电网技术, 2003, (05) :37-39+81
[10]   灰色预测公式的理论缺陷及改进 [J].
张大海 ;
江世芳 ;
史开泉 .
系统工程理论与实践, 2002, (08) :140-142
12