关联分析在电力负荷灰色神经网络预测中的应用.pdf

维普资讯 第35卷 第8期 亮菜电力 Vol_35 No．8 2007年 8月 East ChinaEIectr[cPower Aug． 2007 关联分析在电力负荷灰色神经网络预测中的应用 牛东晓，吕佳 良 (华北电力大学，河北 保定 071003) 摘 要：针对电力负荷预测序列存在随机增长特性和非线性波动性，灰色神经网络模型能够有效地反映序列 增长特性和对非线性关系进行拟合。引入灰色关联度作为确定组合预测权重的依据，以序列整体拟合优化为 目标 ，从而找到能够代表序列内在变化规律性的组合权重，使总体预测精度得到提高。 关键词：电力负荷；BP神经网络；灰色关联度；GM(1，1)模型 基金项 目：国家 自然科学基金资助项 目；高等学校博士点专项基金 (20040079008) 作者简介：牛东晓(1962．)，男 ，教授，博士生导师，从事电力负荷预测工作。 中图分类号：TM714 文献标识码：A 文章编号 ：1001-9529(2007)08-0060-03 Grayneuralnetwork forecastofpowerloadsbasedon relaitonalanalysismethod N／UDong-xiao，LUJia．1iang (NoahChinaElectricPowerUniv．，Baoding071003，China) Abstract：Astothecharacteristicsofrandom—increaseandnon·linearfluctuationoftheloadforecastsequence，the grayneuralnetworkmodelcaneffetivelyreflecttheincreasecharacteristicofthesequenceandfitthenon．．1inearrela．． tions．Thegraycorrelationisintroducedtodeterminethecombinedforecastweight，andfittingandoptimizationofthe wholesequenceisconsideredastheobjective．Thecombinedweightrepresentingtheinnerchan~ngladesofthese· quenceisconsequentlyf0undout．andtheforecastaccuracyisimproved． Keywords：powerload；BPneuralnetwork；graycorrelation；GM(1，1)model 传统的灰色预测理论不需要考虑分布规律 设有变量为 ’的原始数据序列 和变化趋势。所需样本较少，便于计算 ，对序列 。‘=[。‘(1)，。‘(2)，…，。‘(n)] 增长趋势具有很好的反映，但是这种方法的预 用 1一AGO生成一阶累加序列 测精度很大程度上依赖于模型参数 ¨J，而 BP神 ‘=[ ‘(1)， ‘(2)，…， ‘’(n)] 经网络模型，利用其 自学习，自适用的特点，对