基于灰色预测和其改进模型的河北省总电力消费量预测

点赞:25607 浏览:111811 近期更新时间:2024-02-09 作者:网友分享原创网站原创

一、引言

电力工业是为国民经济和社会发展提供能源的重要基础产业,也是关系国计民生的公用事业.而今随着我国社会主义市场经济体制的不断发展和加入WTO后我国逐步融入世界经济发展的主流,我国经济和社会进入了一个全新的阶段,而这些发展更需要强大的电力行业作为支撑.因此,如何加强电力需求预测和电力发展规划工作,使电力工业能够更好的与国民经济协调发展,是一个我们需要面对的重要问题.

而近年来,河北省电力工业发展较快,这给全省经济的持续健康发展提供了坚强的后盾.但是由于快速的经济发展与电源基础建设的落后、电网结构的薄弱和现行管理体制的不合理使得河北省的发展遭到了巨大阻碍.为此我们更应该深入研究河北省电力需求的特点,采用科学的方法对未来本省的用电需求做出预测,从而作为河北省电力发展的依据,为我省经济发展提供分析依据.

基于灰色预测和其改进模型的河北省总电力消费量预测参考属性评定
有关论文范文主题研究: 关于电力负荷的文章 大学生适用: 专科毕业论文、本科毕业论文
相关参考文献下载数量: 46 写作解决问题: 写作资料
毕业论文开题报告: 论文提纲、论文目录 职称论文适用: 核心期刊、中级职称
所属大学生专业类别: 写作资料 论文题目推荐度: 免费选题

总体来说,对电力负荷进行预测的方法主要分为两大类:经典负荷预测方法和现代负荷预测方法.而前者主要包括:趋势外推法、时间序列法和回归分析法,后者包括:灰色系统理论、专家系统方法、神经网络理论和模糊负荷预测.但是通过对各种预测方法及特点的分析比较得出,用灰色预测模型来对地区电力负荷进行中短期预测误差小、精度高.故本文将采用灰色预测模型中的GM(1,1)进行分析.

二、理论简介

该理论由我国著名学者邓聚龙先生提出,它是把负荷序列通过生成变换,使其变化为有规律的生成数列再建模,从而用于负荷预测的一种方法.它具有要求负荷数据少、不考虑分布规律、不考虑变化趋势,运算方便、预测精度高、易于检验等优点.而GM(1,1)是最常用的灰色模型,为单变量的一阶微分方程,但是它是一种呈指数增长的模型,其预测精度受到了原始数据序列光滑离散性的限制,所以当原始数据序列不够光滑离散时,利用GM(1,1)模型建立的系统预测模型的精度就很差.在这里采用滑动平均值法来改造原始数据序列,然后再进行预测.

(1)灰色预测的建模过程为:

三、实证分析

首先通过国家统计局,查找出河北省1998~2009年的全社会电力消费量,并作出其趋势图,观察走势,选择研究方法;其次以1998~2006年的数据为研究对象,分别用灰色预测及其改进模型进行模型预测和模型检验,得出预测精度;再次用两种模型对2007~2009年的负荷分别进行预测,并与其真实值进行误差分析,比较两种方法哪种精度更优;最后进行误差分析,并用较优的方法对2010~2014年河北省的电力消费量进行预测.

(1)原始数据

(2)检验结果

分析:根据上表,我们可以看出两种方法的预测精度都比较好,但是相对来说,改进方法的精度更高.

(3)电力负荷预测误差分析

(4)误差分析

1)电力需求的大小可能会受到很多因素的影响.比如国民经济发展水平、国家政策、气候、突发事件等等.但是我们在建模分析时,不可能对全部的因素逐一分析,而只是选取其中几个因素作为重点分析,因此误差也就不可避免的存在.2)历史电力负荷值的不精确.由于我们在用到历史值时往往都采用两位小数,这看似不会差太多,但实际上由于单位为亿千瓦时,这样就使的数据在很大程度上已经偏离了实际.3)模型本身的缺陷.因为基本上没有一种足够完善的理论方法能够适用一切的情况,能够达到精度100%,并且同种方法在不同地区、采用不同时间的数据,精度可能都会存在着很大的差异.而这也是不可避免的.再者预测本就是按着趋势进行一定的延伸,而事物总是在曲折中不断的前进,所以在此也会出现误差.4)一些随机因素的发生.由于我们不能够事先确切的掌握这些因素在未来时段的状态,因此在进行预测的时候总是按着最最理想的情况进行分析,所以这里面也就埋下了误差隐患.比如说2008年的经济危机、汶川大地震、南方雪灾等等,这些因素我们基本上都不能预见,因此严重的干扰了电力负荷的预测.

(5)小结

这两种方法预测精度均比较的高,但是由于改进的灰色预测模型采用滑动平均法对原始数据进行了改造,这样既增加了当年数据的权重,同时又避免了数值的过度波动,因此预测精度更高,这一点离本期越远期越容易体现.

四、电力负荷预测

由于灰色预测模型本身方法的局限性,即中短期预测比较精准.故在此用改进的模型对河北省2010~2014年的全社会用电量进行预测.

五、结论

用滑动平均值法对原数列进行修正,可以缩小C值,增大P值,从整体上提高预测精度.另外按照此方法进行预测,2010~2014年的电力消费量分别为2742.5、3107.1、3520.3、3988.3和4518.6亿千瓦时,且每年的增长率为13.3%,可谓是飞速发展!