APP下载

基于GM(1,1)和Elman神经网络的社会用电量预测模型

2015-05-22王东

卷宗 2015年2期
关键词:模型

摘 要:本文通过对2005-2013年我国的年度用电量数据建立GM(1,1)模型,通过实际值与预测值的对比得出平均相对误差为1.80%。同时,对2009-2013年我国月度用电量数据建立Elman神经网络模型,运用matlab仿真实验,经过203次训练后达到目标误差值0.005。经过实证分析,这两种方法对预测我国社会用电量具有很好的拟合效果。

关键词:Elman神经网络;GM(1,1)模型;仿真实验;用电量预测

1 引言

随着社会工业化进程的不断加快,人们对电力的需求也在不断的增加,作为电网规划设计的主要依据——社会用电量的预测直接关系到电网设计规划的科学性,经济性和前瞻性。同时,它也是衡量社会发展的重要经济指标。所以,国内许多学者对社会用电量的预测也做过很多研究。

从文献可以看出,学者们主要是通过建立数学函数模型[1-3]或者BP神经网络模型[4-5]预测社会用电量。其中数学函数模型主要是通过选取一定的经济指标,运用统计学方法建立数学函数模型进行预测,并根据预测值与实际值的误差来修正模型。BP神经网络方法选取几个主要的经济指标或者前几个月的用电量作为输入层数据,通过反馈机制来修正权值和阀值以完成对网络的训练。

通过以上学者的研究对用电量的预测也达到了很高的精度。但是,对数学模型的建立需要选取一定的经济指标,这些指标的选取具有一定的主观性,同时也容易受一些不确定性因素的干扰,而GM(1,1)在小样本、贫信息和不确定性系统的应用却十分广泛[6];……

登录APP查看全文

猜你喜欢

模型
一半模型
一种去中心化的域名服务本地化模型
适用于BDS-3 PPP的随机模型
函数模型及应用
p150Glued在帕金森病模型中的表达及分布
函数模型及应用
重尾非线性自回归模型自加权M-估计的渐近分布
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
一个相似模型的应用