许惠君,王宗耀,李中庆,李鹏飞,周鑫康

(1.南昌工程学院机械与电气工程学院,江西 南昌 330099; 2.国网浙江省电力有限公司庆元县供电公司,浙江 庆元 323800;3.广西大学电气学院,广西 南宁 530004)

0 引 言

电力系统是集合发电、变电、输电、配电、用电功能的与国民经济紧密相关的系统，其不仅要确保供电的可靠性、运行的经济性，还要保障良好的电能质量，这些性能的高低也被用作评定一个国家综合国力的标准。

电力负荷预测是提高系统可靠性、经济性与电能质量的重要环节之一。其功能主要是对未来短期或长期时段内一个或多个地区负荷数据的变化进行预测，为该地区的电力系统的经济调度提供帮助，也为电网规划提供重要依据，因此，负荷预测结果的准确性就显得格外重要[1]。

如何提高负荷预测结果的精度是电气领域学者们一直着重研究的问题之一。传统的负荷预测方法有回归分析法[2-5]、线性外推法、时间序列法、最小二乘法等[6]，现代负荷预测方法有灰色系统理论[7-17]、神经网络理论[18-19]、小波分析理论[20]、遗传算法[21]等。本文主要研究灰色系统理论在负荷预测上的应用。

由于最初的灰色理论的精确度仅仅只是差强人意，本文将对灰色理论进行进一步的改良优化，通过把GM(1，n)模型中原本为固定值的系数进行处理变为变值，并将变值代入模型，以提高模型预测结果的精确度。

1 传统灰色理论近况

灰色理论在电力负荷预测上由徐洪基[22]首先提出应用。其应用方法是在一个数据不完全得知的电力系统中，通过已知的数据与数据之间相关的联系预测出未来负荷变动情况。……