陈辰旭 杨耿杰 郭谋发

（福州大学电气工程与自动化学院，福州 350108）

电力系统日负荷预测的方法很多，其中灰色预测[1]所需要样本数据少，不考虑分布规律和变化趋势、原理简单、运算方便、预测精度较高且可检验性强，是一种比较有效的方法，因此得到了广泛的应用。

采用GM（1，1）灰色模型进行负荷预测，要求原始数据序列必须符合或基本符合指数规律变换，且数据序列变化速度不宜太快，这样可得到较高的预测精度。由于影响日负荷规律的因素较多，尤其是一些随机的因素使得负荷的规律性更加复杂，且工作日与非工作日的日负荷存在周期性波动，以致负荷有可能呈非指数增长。这些因素对负荷的数值影响虽不大，但仍会造成预测结果的误差。

本文提出了一种将等维新息数列进行滑动平均[2]处理并做反双曲余弦变换的灰色预测法。改进的灰色预测法充分利用预测得到的新信息，缩小了灰平面，之后对其进行数据预处理，提高了数列光滑度，最终提高预测精度。最后选取两个实例进行仿真分析改进后的预测效果。

1 传统GM（1，1）

灰色系统理论认为：任何随机过程都是在一定幅值范围、一定时区内变化的灰色量，称随机过程为灰色过程。灰色预测的实质是将规律不明显的原始数列通过一次累加生成后形成明显的指数规律，然后用一条曲线去拟合累加生成，再累减还原得到预测值。

GM（1，1）模型是最简单、最常用的一种灰色模型。它由1 个只包含单变量的一阶微分方程构成，是GM（1，n）模型的一个特例[3]。……