作　　者： ;

机构地区： 青海大学水利电力学院

出　　处： 《青海大学学报（自然科学版）》 2013年第1期19-23,共5页

摘　　要： 传统的灰色预测模型GM(1,1)在预测增长速度较快的电力负荷变化时,预测精度会大幅下降。针对GM(1,1)的这一局限性,本文引入了粒子群优化算法与传统的GM(1,1)相结合来求解灰色模型中的参数。通过对三组不同电力负荷的实例仿真,证明该模型在预测增长速度较快的电力负荷时具有较高的预测精度。 With the power load grows quickly,the forecasting accuracy of traditional gray prediction model GM(1,1)will become lower significantly.In order to remedy the defect,combined with the GM(1,1) model and the particle swarm algorithm for GM(1,1) model parameters.Simulation results of three group electricity consumption have demonstrated that the model has higher prediction accuracy.

关 键 词： 负荷预测 粒子群优化 灰色模型 预测精度 增长速度

领　　域： [电气工程] [自动化与计算机技术] [自动化与计算机技术]