陈 捷，陈为真

(武汉工业学院电气信息工程系，湖北武汉430023)

能源与人们的生活息息相关，而能源负荷预测则是人们管理和利用能源的重要工具与方法，它能提供未来负荷数据，对能源系统的运行，控制和计划都是非常重要的，本文主要对多种预测方法与它们的组合预测模型进行分析，找出优缺点，通过组合的方式，减少缺点引起的误差，提高预测的精度。

目前，已有很多方法应用于负荷预测，灰色系统和人工神经网络就是典型的方法。灰色系统(下面简称GM)预测的优点在于可对少数据进行高精度的建模，进而得到动态曲线方程进行预测;人工神经网络(下面简称ANNs)则是基于模拟生物神经网络系统的结构与功能，由神经元按一定的结构模式建立起来的网络处理系统，通过映射负荷数据规律的高维与非线性进而预测。

人们不仅通过灰色系统与NN各自的特点独立地预测数据，也通过多种组合方式，结合它们的优点，提出了多种综合模型。但是两者都存在各自的缺点，本文接着分析一些现有的组合方法，结合电力负荷数据，建立误差纠正模型进行检验与预测。

1 基于灰色系统和人工神经网络的综合模型的分析

1.1 并联型与串联型［1］

并联型先由两种模型分别预测数据F1与F2，建模函数如式(1)所示，W1与W2取适当的权值，通过不断修改权值来修正预测值与真实值的差异，得到最后的权值进而预测，模型不需要进行大改动，实现快速，但并不能消除两者各自的缺点。……