欢迎访问《新能源进展》官方网站!今天是
论文

基于GLRM模型和MC误差修正的中长期负荷预测

  • 崔 琼 ,
  • 舒 杰 ,
  • 吴志锋 ,
  • 黄 磊 ,
  • 姚文明 ,
  • 宋香荣
展开
  • 1. 中国科学院广州能源研究所,广州 510640;
    2. 中国科学院可再生能源重点实验室,广州 510640;                               
    3. 四川省电力公司绵阳市安州供电分公司,四川 绵阳 622650;
    4. 暨南大学韶关研究院,广东 韶关,512000
崔 琼(1982-),女,硕士,助理研究员,主要从事微电网负荷预测及能量管理研究。

收稿日期: 2017-11-10

  修回日期: 2017-12-05

  网络出版日期: 2017-12-29

基金资助

国家重点研发计划项目(2016YFB0901405);
广东省省级科技计划项目(2017B090901072);
广州市科技计划项目(201509010018);
广东省科技计划项目(2016B090919014)

Medium- and Long-Term Load Forecasting Based on GLRM and MC Error Correction

  • CUI Qiong ,
  • SHU Jie ,
  • WU Zhi-feng ,
  • HUANG Lei ,
  • YAO Wen-ming ,
  • SONG Xiang-rong
Expand
  • 1. Guangzhou Institute of Energy Conversion, Chinese Academy of Sciences, Guangzhou 510640, China;
    2. CAS Key Laboratory of Renewable Energy, Guangzhou 510640, China;
    3. Mianyang Anzhou power supply branch, State Grid Sichuan electric power company, Sichuan Mianyang 622650, China;
    4. Shaoguan Research Institute,Jinan University, Guangdong Shaoguan 512000, China

Received date: 2017-11-10

  Revised date: 2017-12-05

  Online published: 2017-12-29

摘要

为解决传统灰色模型(GM)忽略线性因素的不足和预测随机波动性大的序列误差偏大问题,提出了一种基于灰色线性回归模型(GLRM)与马尔科夫链(MC)的中长期负荷预测模型。通过搭建GLRM预测模型,分析模型拟合误差的转移规律,提出基于MC的预测误差定量估计方法,并在此基础上建立GLRM模型预测值的修正模型,构建GLRM-MC模型。实例仿真结果表明,该模型与GM模型和GLRM模型相比,能够更好地把握实际负荷的内在变化规律,可以在提高模型预测精度的同时,提升拟合和预测效果的稳定性。

本文引用格式

崔 琼 , 舒 杰 , 吴志锋 , 黄 磊 , 姚文明 , 宋香荣 . 基于GLRM模型和MC误差修正的中长期负荷预测[J]. 新能源进展, 2017 , 5(6) : 472 -477 . DOI: 10.3969/j.issn.2095-560X.2017.06.009

Abstract

To remedy the defects of traditional grey model (GM) for ignoring linear factors and having large errors when forecasting the sequences with large random fluctuation in medium- and long-term load forecasting, a model which is based on grey linear regression model (GLRM) and Markov chain (MC) is proposed. In this work, the GLRM prediction model is built. A quantitative prediction error estimation method is proposed through analyzing the transfer rule of the model fitting error, a correction model is established consequently for the predicted values of the GLRM model, and then the GLRM-MC model is created. Comparing with GM (1,1) and GLRM, simulation results demonstrate that the proposed model can better grasp the inherent regularity of the actual load, and improve the prediction accuracy of the model, meanwhile, enhance the stability of fitting and forecasting effect.

参考文献

[1] 肖白, 周潮, 穆钢. 空间电力负荷预测方法综述与展望[J]. 中国电机工程学报, 2013, 33(25): 78-92. DOI: 10.13334/j.0258-8013.pcsee.2013.25.026.
[2] 郑志杰, 李磊, 赵兰明. 考虑数据不确定性的中长期电力负荷预测[J]. 电力系统保护与控制, 2011, 39(7): 123-126, 132. DOI: 10.3969/j.issn.1674-3415.2011.07.023.
[3] 张瑞冬. 基于模糊神经网络的短期电力负荷预测[D]. 桂林: 广西师范大学, 2015.
[4] 张素香, 赵丙镇, 王风雨, 等. 海量数据下的电力负荷短期预测[J]. 中国电机工程学报, 2015, 35(1): 37-42. DOI: 10.13334/j.0258-8013.pcsee.2015.01.005.
[5] 李瑾, 刘金朋, 王建军. 采用支持向量机和模拟退火算法的中长期负荷预测方法[J]. 中国电机工程学报, 2011, 31(16): 63-66.
[6] HONG W C. Electric load forecasting by support vector model[J]. Applied mathematical modelling, 2009, 33(5): 2444-2454. DOI: 10.1016/j.apm.2008.07.010.
[7] 毛李帆, 江岳春, 姚建刚, 等. 采用正交信号修正法与偏最小二乘回归的中长期负荷预测[J]. 中国电机工程学报, 2009, 29(16): 82-88.
[8] 沈志忠. 基于改进灰色模型的中长期电力负荷预测[D]. 成都: 西华大学, 2016.
[9] 王大鹏, 汪秉文. 基于变权缓冲灰色模型的中长期负荷预测[J]. 电网技术, 2013, 37(1): 167-171.
[10] 刘思峰, 谢乃明. 灰色系统理论及其应用[M]. 4版. 北京: 科学出版社, 2008: 25-40.
[11] 刘宗明, 贾志绚, 李兴莉. 基于灰色马尔科夫链模型的交通量预测[J]. 华东交通大学学报, 2012, 29(1): 30-34. DOI:10.3969/j.issn.1005-0523.2012.01.007.
[12] 曹益铭, 季民, 张广学, 等. 基于Matlab的灰色回归组合模型在沉降监测中的应用[J]. 测绘与空间地理信息, 2017, 40(2): 27-28, 34. DOI: 10.3969/j.issn.1672- 5867.2017.02.008.
[13] DOBAKHSHARI A S, FOTUHI-FIRUZABAD M. A reliability model of large wind farms for power system adequacy studies[J]. IEEE transactions on energy conversion, 2009, 24(3): 792-801. DOI: 10.1109/TEC. 2009.2025332.
[14] 祝锦舟, 张焰, 华月申, 等. 基于马尔科夫链的电力负荷优化组合及应用[J]. 电网技术, 2016, 40(8): 2437-2443. DOI: 10.13335/j.1000-3673.pst.2016.08.027.
文章导航

/