基于GMDH的中长期电力负荷组合预测模型

组合负荷预测模型能够充分利用数据信息,有效降低预测风险、改善预测效果,在中长期负荷预测中获得了广泛应用。而目前的组合预测模型实质大都为单一预测模型的加权平均,没有能够充分发挥综合预测的优势.应用数据分组处理方法(GMDH)进行组合预测,在充分考虑各单一模型特点和预测效果的基础上,形成多元非线性组合预测模型,自动从数据中挖掘出重要信息,克服了传统组合预测模型建模中的主观因素影响,可以改善预测精度。并将该预测模型应用于实际电网,计算结果表明该模型有效提高了预测精度,适用于中长期负荷预测.

GMDH和变结构协整理论在电力负荷预测中的应用

鉴于未考虑时间序列的非平稳性所得到的拟合方程可能出现'伪回归'而失去准确预测的能力,引入了协整理论与误差修正模型。考虑地区产业结构发生变化将导致地区用电量时间序列发生结构突变,影响平稳性检验结果的可信度,又引入了GMDH理论,自动搜索并确定结构突变点,以改进经典结构突变理论需要事先获知一些重大波动信息等主观性影响。结合上述两点,构建了基于GMDH理论的参数变结构协整模型。算例证明了该模型在电力系统的负荷预测中的适用性以及在处理'伪回归'和'样本数据结构突变'问题方面的有效性。

中长期负荷预测的GMDH多结构自动搜索模型

针对我国当前经济、政策变动的大背景,提出了采用数据分组处理方法GMDH(group method of data handling)结合多结构突变理论,实现时序突变点自动搜索建模,建立了中长期负荷预测的GMDH多结构自动搜索模型。该模型能够客观准确地搜索时间序列中的所有突变点,并充分利用突变点信息修正由于经济环境和突发事件引起的预测偏差,大大提高了传统时序外推预测模型的精度。华东地区的实际算例结果表明了该模型的有效性。

GMDH方法在中长期电力负荷预测中的应用

在时间序列预测法的基础上,将数据处理组合方法GMDH应用于中长期电力负荷预测。介绍了GMDH的基本原理,根据历史数据建立GMDH模型,通过某地区电力负荷预测实例,对电力负荷值进行了计算分析,结果表明该方法可获得较高的预测精度。

变结构协整理论在电力中长期负荷预测中的应用

采用基于变结构协整理论建立中长期负荷预测模型,并通过GMDH算法确定突变点,对2015-2020年辽宁省用电量进行预测,结果显示该预测方法预测精度较高。