城市燃?xì)夤芫W(wǎng)負(fù)荷預(yù)測方法

1、城市燃?xì)夤芫W(wǎng)負(fù)荷預(yù)測方法馬慶元1 , 郭繼平2 , 李寧3( 1. 鞍山科技大學(xué) 高等職業(yè)技術(shù)學(xué)院, 遼寧 鞍山 114044; 2. 鞍山科技大學(xué) 土木與交通 工程學(xué)院, 遼寧 鞍山 114044; 3. 鞍山科技大學(xué) 化學(xué)工程學(xué)院, 遼寧 鞍山 114044)摘要: 城市燃?xì)夤芫W(wǎng)負(fù)荷預(yù)測是制定城市燃?xì)饨ㄔO(shè)規(guī)劃、確定燃?xì)馍a(chǎn)企業(yè)大、中修計(jì)劃以及燃?xì)廨斉淦髽I(yè)科學(xué)調(diào)度的重要依據(jù). 本文結(jié)合我國城市燃?xì)馍a(chǎn)、輸配管理的現(xiàn)狀, 介紹幾種目前常用的城市燃?xì)夤芫W(wǎng)負(fù) 荷預(yù)測方法, 并評述了各自的優(yōu)勢和缺陷.關(guān)鍵詞: 城市燃?xì)夤芫W(wǎng); 負(fù)荷預(yù)測; 方法中圖分類號(hào): TU 996. 62 文獻(xiàn)標(biāo)識(shí)碼: A文章編

2、號(hào): 167224410 (2004) 0220101205隨著“西部大開發(fā)”戰(zhàn)略的逐步實(shí)施, 我國在天然氣開發(fā)利用方面的投資也在逐漸加大, 這促使城市燃?xì)馐聵I(yè)蒸蒸日上. “西氣東輸”、“陜氣進(jìn)京”等項(xiàng)目的陸續(xù)上馬, 為我國合理的利用天然氣資源拉開序 幕. 這一切均要求城市燃?xì)夤芫W(wǎng)的管理必須現(xiàn)代化. 燃?xì)庳?fù)荷預(yù)測是實(shí)現(xiàn)燃?xì)夤芫W(wǎng)管理現(xiàn)代化的重要手 段. 長期以來, 我國燃?xì)庳?fù)荷預(yù)測問題一直停留在“憑經(jīng)驗(yàn)”的階段. 隨著計(jì)算機(jī)的普及以及預(yù)測學(xué)的發(fā) 展和完善, 為燃?xì)夤芫W(wǎng)的現(xiàn)代化管理提供了必要的條件. 于是, 對燃?xì)庳?fù)荷預(yù)測問題的研究越來越受到人們的重視, 并且逐漸成為了現(xiàn)代城市燃?xì)庀到y(tǒng)科學(xué)中的一個(gè)

3、重要的領(lǐng)域.城市燃?xì)庳?fù)荷預(yù)測的意義城市燃?xì)庳?fù)荷預(yù)測可分為長期負(fù)荷預(yù)測、中期負(fù)荷預(yù)測、短期負(fù)荷預(yù)測和超短期負(fù)荷預(yù)測. 其中中 長期與短期負(fù)荷預(yù)測的意義分別在于: 前者能夠合理安排后期工程、確定生產(chǎn)能力、安排設(shè)備的更新維 修等; 后者可用于指導(dǎo)安排燃?xì)馍a(chǎn)計(jì)劃、確定燃?xì)猱a(chǎn)量、存儲(chǔ)量以及燃?xì)獾暮侠碚{(diào)度. 因此, 在現(xiàn)實(shí)生產(chǎn)中, 無論是制訂燃?xì)庀到y(tǒng)長期規(guī)劃還是進(jìn)行短期優(yōu)化調(diào)度, 進(jìn)行相應(yīng)的負(fù)荷預(yù)測都是必不可少的.1城市燃?xì)庳?fù)荷預(yù)測的各種方法一般的預(yù)測方法可分為主觀預(yù)測方法和客觀預(yù)測方法1 . 主觀預(yù)測方法的優(yōu)點(diǎn)是預(yù)測者能夠考慮 到大量的資料、信息和情報(bào); 其缺點(diǎn)是缺乏系統(tǒng)的方法去研究已往的成功和失誤,

4、 以提高預(yù)測的準(zhǔn)確性, 完全依賴于預(yù)測人員的經(jīng)驗(yàn)和主觀判斷能力. 客觀預(yù)測方法不同于主觀預(yù)測方法, 它是基于過去的數(shù)據(jù) 和資料研究建立起反映預(yù)測對象與其影響因素間的數(shù)學(xué)關(guān)系 (數(shù)學(xué)模型) 的預(yù)測方法. 客觀預(yù)測方法的 主要優(yōu)點(diǎn)是: 不受主觀愿望的影響; 對預(yù)測模型的處理是根據(jù)過去的預(yù)測誤差做出的, 因而是科學(xué)的; 與 主觀預(yù)方法相比較, 客觀預(yù)測方法所花的時(shí)間少, 而且可以用計(jì)算機(jī)來預(yù)測; 提供了評價(jià)預(yù)測準(zhǔn)確性和 測定預(yù)測的置信區(qū)間的基礎(chǔ). 其缺點(diǎn)是難以包括影響預(yù)測對象的全部因素. 本文所涉及的預(yù)測方法全部 屬于客觀預(yù)測方法.據(jù)有關(guān)資料表明, 目前國際上有 200 多種預(yù)測方法, 其中有 20

5、 多種方法在不同領(lǐng)域中得到了廣泛 應(yīng)用2 . 在城市燃?xì)忸A(yù)測方面, 主要應(yīng)用的預(yù)測方法有時(shí)間序列方法、灰色系統(tǒng)預(yù)測量理論、人工神經(jīng)網(wǎng)絡(luò)預(yù)測方法、回歸分析預(yù)測方法、指數(shù)平滑預(yù)測方法、組合模型、模糊控制預(yù)測方法、狀態(tài)空間和卡爾曼2濾波法、專家系統(tǒng)法、模式識(shí)別等.2. 1回歸分析預(yù)測方法回歸分析預(yù)測方法是一種應(yīng)用廣泛、理論性較強(qiáng)的定量預(yù)測方法. 它的基本思路是根據(jù)歷史數(shù)據(jù)及 一些影響負(fù)荷變化的外來因素來推斷將來時(shí)刻的負(fù)荷值. 常用的回歸預(yù)測方法有線性回歸和非線性回 歸兩種方法, 進(jìn)一步可以劃分為一元 (非) 線性回歸和多元 (非) 線性回歸.多元線性回歸模型表達(dá)式如下1y i = b0 + b1 x

6、 1 i + b2 x 2 i + + bm x m i + ii = 1, 2, n(1)式中: y i 為預(yù)測對象, 因變量或被解釋變量; x j i 為影響因素, 自變量或解釋變量 ( j = 1, 2, , m ) ; b0 , bj 為模型回歸系數(shù) ( j = 1, 2, , m ) ; i 為除自變量 x j 的影響之外對 y i 產(chǎn)生影響的隨機(jī)變量, 即隨機(jī)誤差.回歸方程的函數(shù)就是城市燃?xì)庳?fù)荷, 自變量就是影響負(fù)荷變化的各種因素. 影響城市燃?xì)夤芫W(wǎng)負(fù)荷 變化的因素很多, 主要有: 氣象因素 (如溫度、濕度等)、時(shí)間因素 (如季節(jié)、節(jié)假日等)、一些隨機(jī)因素 ( 如 大 型企業(yè)的投產(chǎn)

7、等) 以及人口、國民經(jīng)濟(jì)、能源結(jié)構(gòu)、宏觀政策等. 因此, 要根據(jù)客觀條件適當(dāng)選擇合適 的因素建立模型.回歸預(yù)測不僅方法簡單, 而且預(yù)測速度快, 能夠研究預(yù)測對象與相關(guān)因素的相互關(guān)系, 研究預(yù)測對 象變化的實(shí)質(zhì)原因, 結(jié)果比較可靠; 外推性好, 對歷史上未出現(xiàn)的情況有較好的預(yù)測性; 還能給出預(yù)測結(jié) 果的置信區(qū)間和置信度, 使得預(yù)測結(jié)果完整、客觀. 但也存在一定的缺陷, 主要包括: (1) 認(rèn)為各實(shí)際數(shù) 據(jù) 對預(yù)測對象的影響程度相同; (2) 對數(shù)據(jù)的要求較高, 特別是歷史數(shù)據(jù)殘缺或存在較大誤差的情況 下, 預(yù)測效果較差; (3) 計(jì)算工作量較大, 出現(xiàn)新數(shù)據(jù)時(shí), 要重新估計(jì)回歸方程和進(jìn)行相關(guān)分析

8、; (4) 主 次要因素的選取在實(shí)際建模時(shí)較難把握, 并且無法詳細(xì)的考慮各種影響負(fù)荷的因素.它一般適用于長、中、短期3- 4 負(fù)荷預(yù)測.2. 2指數(shù)平滑預(yù)測法指數(shù)平滑預(yù)測法是采取漸消記憶的方式, 利用逐步衰減的不等權(quán)平均辦法進(jìn)行數(shù)據(jù)處理的一種預(yù) 測方法. 其基本思想是在預(yù)測過程中認(rèn)為, 越近期的數(shù)據(jù)越能反映當(dāng)前的情況, 對考慮今后的發(fā)展就越 有直接的意義. 這樣, 對以往數(shù)據(jù)不應(yīng)同等看待, 對近期的數(shù)據(jù)應(yīng)給予較高的權(quán)重, 采取逐步衰減性質(zhì)的 加權(quán)處理才更符合實(shí)際.對于具有水平趨勢的時(shí)間序列, 用第 t 期一次指數(shù)平滑值作為第 t + 1 期預(yù)測值, 稱一次指數(shù)平滑模型. 表達(dá)式如下1x(1)(

9、1)t+ 1 = S = a x t + (1 - a ) S t- 1t = 1, 2, , N(2)對于具有線性趨勢的時(shí)間序列x t , 用二次指數(shù)平滑模型表示如下xt+ 1 = a t +btT(1)(2)a t =2S t-S t a (1)(2)(S t-a)bt =(3)S t1 -S (1)(1)a x t + (1 -a ) S t- 1t=S (2)(1)(2)=+ (1 -a ) S t- 1aS tt式中: S (1) , S (2) 分別為一次、二次指數(shù)平滑值, a 為加權(quán)系數(shù), 0 <a < 1.tt該方法簡單實(shí)用, 能通過平滑作用, 自動(dòng)清除數(shù)據(jù)序列中的

10、隨機(jī)波動(dòng), 尤其是那些不符合統(tǒng)計(jì)規(guī)律的偶然性波動(dòng), 多用于城市燃?xì)庳?fù)荷中、短期預(yù)測5- 6 . 該方法對數(shù)據(jù)的趨勢轉(zhuǎn)折點(diǎn)鑒別能力不強(qiáng).2. 3時(shí)間序列方法所謂時(shí)間序列就是按時(shí)間先后順序觀測、統(tǒng)計(jì)、記錄下來的某種指標(biāo)的數(shù)列. 這里的時(shí)間可以是年、 季度、月份、日、小時(shí)、分等. 作為現(xiàn)代數(shù)據(jù)處理方法之一的時(shí)間序列分析是在 20 世紀(jì) 20 年代后期才開A R 模型、M A 模型和 A RM A 模型, 其通用的表達(dá)式為Zt = 1 Zt- 1 +p Zt- p + +a t - 1 a t- 1 - -q a t- p =pqi Zt- i - j a t- j +(4)a ti= 1j = 1式

11、中: p 和 q 分別是自回歸部分和滑動(dòng)平均部分的階數(shù); i ( i = 1, 2, , p ) , j ( j = 1, 2, , q) 分別是自回 歸系數(shù)和滑動(dòng)平均系數(shù); Zt- i 為 t -i 時(shí)刻的負(fù)荷值; a t- j 為 t -j 時(shí)刻的白噪聲.時(shí)間序列預(yù)測技術(shù)的一般研究方法是: 先去識(shí)別與所研究的預(yù)測目標(biāo)序列相符合的一個(gè)隨機(jī)模型,并估計(jì)出隨機(jī)模型中的未知參數(shù), 當(dāng)確認(rèn)該隨機(jī)模型具有適用價(jià)值后, 再在此基礎(chǔ)上預(yù)測.該方法不僅成熟, 并且簡單實(shí)用. 它主要是根據(jù)過去的負(fù)荷值及干擾值來推算未來的負(fù)荷, 不需要 相關(guān)因素的資料, 因此在一些相關(guān)因素的預(yù)測值和某些常數(shù)難以得到時(shí), 不失為

12、一種可行的方法. 但其 對數(shù)據(jù)的要求較高, 并且無須刻畫負(fù)荷與各影響因素之間更為復(fù)雜的關(guān)系. 它多用于城市燃?xì)庳?fù)荷中、 短期預(yù)測8- 11 .2. 4灰色預(yù)測理論方法灰色系統(tǒng)理論是我國學(xué)者鄧聚龍教授于 1983 年 3 月首先提出的. 該理論是將一般系統(tǒng)論、信息論 和控制論的觀點(diǎn)與方法延伸到社會(huì)、經(jīng)濟(jì)、生態(tài)等抽象系統(tǒng), 運(yùn)用數(shù)學(xué)方法, 來解決信息不完備系統(tǒng)即灰 色系統(tǒng)問題的理論和方法.灰 色系統(tǒng)是指既含有已知信息, 又含有未知或非確知信息的系統(tǒng). 基于灰色系統(tǒng)理論的 GM (1, 1) 模型的預(yù)測稱為灰色預(yù)測. 灰色預(yù)測是灰色系統(tǒng)理論的一個(gè)重要方面, 可分為以下五類, 即數(shù)列預(yù)測、災(zāi) 變預(yù)測、

13、拓?fù)漕A(yù)測 (多閾值預(yù)測)、系統(tǒng)綜合預(yù)測. 由于灰色預(yù)測模型能夠根據(jù)現(xiàn)有少量信息進(jìn)行計(jì)算和 推測, 因而在人口、經(jīng)濟(jì)、能源、氣象等許多領(lǐng)域都得到了廣泛的應(yīng)用, 取得了較好的效果12 .將城市燃?xì)夤芫W(wǎng)負(fù)荷系統(tǒng)看作灰色系統(tǒng), 采用累加生成法將歷史負(fù)荷數(shù)據(jù)進(jìn)行灰數(shù)生成, 建立GM (1, 1) 模型進(jìn)行求解, 然后再采用累減還原法得到預(yù)測值.該方法具有原理簡單、所需樣本數(shù)據(jù)少 (不少于四個(gè)即可)、計(jì)算方便、預(yù)測精度高和可檢驗(yàn)性強(qiáng)等 優(yōu)點(diǎn), 但是由于其本身模型的缺陷, 使其適用的場合具有很大的局限性. 當(dāng)其原始數(shù)據(jù)序列不按指數(shù)規(guī) 律變化并變化速度很快時(shí), 其 GM (1, 1) 模型所建立的系統(tǒng)預(yù)測模型

14、精度就差. 該方法適用于城市燃?xì)?管網(wǎng)負(fù)荷長、中、短期預(yù)測13- 15 .2. 5人工神經(jīng)網(wǎng)絡(luò)預(yù)測方法人工神經(jīng)網(wǎng)絡(luò)16(A r t if ic ia l N eu ra l N e tw o rk - A N N ) 以其具有的非線性映射、能以任意精度逼近函數(shù)關(guān)系和自學(xué)習(xí)等優(yōu)越性能, 對大量非結(jié)構(gòu)性、非精確性規(guī)律具有信息記憶、自主學(xué)習(xí), 知識(shí)推理和優(yōu)化計(jì)算的特點(diǎn), 已在模型識(shí)別、評價(jià)、預(yù)報(bào)等領(lǐng)域獲得廣泛的應(yīng)用.對它的研究, 來源于生物學(xué)領(lǐng)域研究的啟示. 早在 1975 年, D illo n 等人提出用學(xué)習(xí)機(jī)進(jìn)行負(fù)荷預(yù)報(bào), 但當(dāng)時(shí) A N N本身的研究正處在停滯不前的狀態(tài), 未取得實(shí)質(zhì)性的成果

15、. 直到 1986 年, 誤差反向傳播算法 (E r ro r B ack P rop aga t io n A lgo r ithm - B P ) 的提出使 A N N 的研究取得了重大突破. 1991 年, D.C. P a rk 等人首次應(yīng)用該法成功地進(jìn)行了負(fù)荷預(yù)測17 .在預(yù)測領(lǐng)域中應(yīng)用最廣泛的人工神經(jīng)網(wǎng)絡(luò)模型是前饋網(wǎng)絡(luò)模型, 即 B P 網(wǎng)絡(luò)模型. 該模型由輸入 層、隱含層、輸出層組成, 可以看成是輸入與輸出集合之間的一種非線性映射, 而實(shí)現(xiàn)這種非線性映射關(guān) 系并不需要知道研究對象的內(nèi)部結(jié)構(gòu), 而只要通過對有限多個(gè)樣本的學(xué)習(xí)來達(dá)到對研究對象內(nèi)部結(jié)構(gòu) 的模擬.利用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測

16、研究的優(yōu)點(diǎn)是能擬合任意的非線性函數(shù), 并且具有很強(qiáng)的泛化能力. 它 可以考慮比較多的影響因素, 這一點(diǎn)明顯優(yōu)于時(shí)間序列分析方法. 它不需要求解非線性方程組, 只需要建立所研究問題與 A N N 輸入變量和預(yù)測值之間的映射關(guān)系, 通過學(xué)習(xí)訓(xùn)練完成. 但是其缺陷是對樣本個(gè)“黑箱”, 并根據(jù)“黑箱”對外來刺激的反應(yīng)方式來研究它的性質(zhì)和結(jié)構(gòu). 預(yù)測人員無法參與其預(yù)測過程, 無法利用最新的數(shù)據(jù)對原有的參數(shù)進(jìn)行修正. 對于一個(gè)預(yù)測問題, 沒有一個(gè)便于選定的最合適的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的標(biāo)準(zhǔn)方法, 只能采用試湊的方法.該方法一般適用于中18 、短期9- 24 預(yù)測, 預(yù)測精度較高.2. 6組合預(yù)測方法如前所述, 各

17、種方法都有其優(yōu)勢和缺陷, 因此, 許多學(xué)者致力于組合預(yù)測方法的研究上, 以便發(fā)揮各 種預(yù)測方法的優(yōu)勢. 可以將灰色理論與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合, 利用灰色理論特有的累加原理, 對人工神 經(jīng)網(wǎng)絡(luò)輸入數(shù)據(jù)進(jìn)行預(yù)處理, 然后再對輸出值應(yīng)用累減原理, 還原回預(yù)測值. 該方法弱化了輸入數(shù)據(jù)的 隨機(jī)波動(dòng)性, 增加了遞增規(guī)律性, 從而提高了預(yù)測精度25 . 借鑒電力負(fù)荷預(yù)測方法, 建立最優(yōu)組合灰色 神經(jīng)網(wǎng)絡(luò)預(yù)測模型26- 29 ; 時(shí)間序列分析與基于遺傳算法改進(jìn)的人工神經(jīng)網(wǎng)絡(luò)30 相結(jié)合等等, 這些組合預(yù)測方法的均取得了良好的預(yù)測效果.3結(jié)論目前, 可以用于城市燃?xì)庳?fù)荷預(yù)測的方法較多, 并且每一種方法都有自己的

18、優(yōu)勢、缺陷及適用條件,因此, 在實(shí)際的預(yù)測工作中, 要根據(jù)實(shí)際項(xiàng)目的具體情況選用合適的預(yù)測方法, 以期得到理想的結(jié)果.參 考 文 獻(xiàn):肖國泉, 王春, 張福偉. 電力負(fù)荷預(yù)測 M . 北京: 中國電力出版社, 2001: 167- 198.李業(yè). 預(yù)測學(xué) M . 廣州: 華南工學(xué)院出版社, 1988: 12- 14.A PA L EXO POU L O S A D , H E ST ERB ER G T C. A seg re ssio n ba sed app ro ach to sho r t2te rm sy stem lo ad fo reca st io nJ . IE E E T

19、ran s o n Pow e r Sy stem s, 1990, 5 (4) : 1535- 1547.HU B EL E N F , CH EN G C S. Iden t if ica t io n o f sea so na l sho r t2te rm lo ad fo rca st io n u sing sta t ist ica l dec isio n func t io n sJ . IE E E T ran s o n Pow e r Sy stem s, 1990, 5 (1) : 40- 45.焦文玲, 展長虹, 廉樂明, 等. 城市燃?xì)舛唐谪?fù)荷預(yù)測的研究 J .

20、 煤氣與熱力, 2001 (6) : 483- 486.CH R IST IA N SE W R. Sho r t2te rm lo ad fo reca st ing u sing gene ra l expo nen t ia l sm oo th ing tech n ique s J . IE E E T ran s o n Pow e r Sy stem s, 1989, 4 (4) : 900- 911.123456789張樹京, 齊立心. 時(shí)間序列分析簡明教程 M .北京: 清華大學(xué)出版社, 2003: 1- 49, 66- 70.焦文玲, 廉樂明, 崔建華. 城市燃?xì)舛唐谥芷谪?fù)

21、荷預(yù)測的時(shí)序模型 J . 天然氣工業(yè), 2002 (1) : 92- 94, 11- 12.焦文, 金佳賓, 廉樂明. 時(shí)間序列分析在城市天然氣短期負(fù)荷預(yù)測中的應(yīng)用 J .82.哈爾濱建設(shè)大學(xué)學(xué)報(bào), 2001 ( 4) : 79-10HA GA N M T , HA GA N C M . T h e t im e s sse ie s app ro ach to sho r t2te rm lo ad fo reca st ing J . IE E E T ran s o n Pow e rSy stem s, 1990, 2 (3) : 785- 791.YA N G H T , HU A

22、N G C M . Iden t if ica t io n o f A RM A X m o de l fo r sho r t2te rm lo ad fo reca sing: an evo lu t io na ry p ro g ramm ing app ro ach J . IE E E T ran s o n Pow e r Sy stem s, 1996, 11 (1) : 403- 408.11121314鄧聚龍. 灰預(yù)測與灰決策 M .長沙: 華中科技大學(xué)出版社, 2002: 118- 130.焦文玲, 嚴(yán)銘卿, 廉樂明. 城市燃?xì)庳?fù)荷的灰色預(yù)測J . 煤氣與熱力, 200

23、1 (5) : 387- 389.李鷹, 趙振江, 吳松濤. 灰色模型在普通日短期電力負(fù)荷預(yù)測中的應(yīng)用 J .(1) : 15- 17.長沙電力學(xué)院學(xué)報(bào) ( 自然科學(xué)版) , 2003151617胡文斌, 楊昌智, 孫一堅(jiān). 短期供熱負(fù)荷的灰色拓?fù)漕A(yù)測 J .煤氣與熱力, 1999, 19 (3) : 51- 54.韓力群. 人工神經(jīng)網(wǎng)絡(luò)理論、設(shè)計(jì)及應(yīng)用 M . 北京: 化學(xué)工業(yè)出版社, 2002: 1- 15, 17- 25, 43- 60.H IP P ER T H S, P ED R E IRA C E , SOU ZA R C. N eu ra l ne tw o rk s fo r

24、sho r t2te rm lo ad fo rca st io ng a rev iew and eva lua t io n J . IE E E T ran s o n Pow e r Sy stem s, 2001, 16 (1) : 44- 55.18譚羽非. 城市燃?xì)饧竟?jié)性負(fù)荷預(yù)測模型的建立及求解 J .煤氣與熱力, 2003 (3) : 131- 133, 151.陳家新, 譚羽非. 城市燃?xì)庑r(shí)負(fù)荷預(yù)測模型的研究J . 哈爾濱建筑大學(xué)學(xué)報(bào), 2002 (4) : 76- 78.20212223譚羽蠣, 陳家新, 焦文玲. 基于人工神經(jīng)網(wǎng)絡(luò)的城市煤氣短期負(fù)荷預(yù)測 J .煤氣與熱力

25、, 2001 (3) : 199- 202.譚羽非, 陳家新. 城市燃?xì)舛唐谪?fù)荷預(yù)測的神經(jīng)網(wǎng)絡(luò)等維新息模型 J .計(jì)算機(jī)仿真, 2001 (5) : 80- 82, 75.L E E K Y , CHA Y T , PA R K J H. Sho r t2te rm lo ad fo reca st ing u sing an a r t if ic ia l neu ra l ne tw o rk J . IE E E T ran so nPow e r Sy stem s, 1991, 6 (2) : 442- 448.A R K D C , R l2SHA R KAW I M A. E

26、lec t r ic lo ad fo reca st ing u sing an a r t if ic ia l neu ra l ne tw o rk J . IE E E T ran s o nPow e r Sy stem s, 1991, 6 (2) : 442- 448.譚羽非. 城市燃?xì)夤芫W(wǎng)日負(fù)荷預(yù)測的灰色神經(jīng)網(wǎng)絡(luò)模型 J . 哈爾濱工業(yè)大學(xué)學(xué)報(bào), 2003 (6) : 679- 682.馬歆, 將傳文, 邰能靈. 用于電力遠(yuǎn)期價(jià)格預(yù)測的組合灰色神經(jīng)網(wǎng)絡(luò)方法 J . 東北電力技術(shù), 2003 (1) : 1- 4242526272829牛東曉, 陳志業(yè), 謝宏. 組合灰色神經(jīng)網(wǎng)

27、絡(luò)模型及其季節(jié)性負(fù)荷預(yù)測 J .華北電力大學(xué)學(xué)報(bào), 2000 (4) : 1- 6史德明, 李林川, 朱建文. 基于灰色預(yù)測和神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)負(fù)荷預(yù)測 J . 電網(wǎng)技術(shù), 2001 (12) : 14- 17.牛東曉, 陳志業(yè), 邢棉, 等. 具有二重趨勢性的季節(jié)型電力負(fù)荷預(yù)測組合優(yōu)化灰色神經(jīng)網(wǎng)絡(luò)模型 J . 中國電機(jī)工程學(xué) 報(bào), 2002 (1) : 29- 32.30鐘穎, 汪秉文. 基于遺傳算法的 B P 神經(jīng)網(wǎng)絡(luò)時(shí)間序列預(yù)測模型 J .系統(tǒng)工程與電子技術(shù), 2002, 24 (4) : 9- 11.M e thod s of loa d f oreca st in c ity ga

28、s n e tworkM A Q in g 2y u a n 1 , GU O J i2p in g 2 , L I N in g 3( 1. F acu ly o f H igh P ro fe ssio na l E duca t io n , A n sh an U n ive r sity o f Sc ience and T ech no lo gy, A n sh an 114044, C h ina;2. Schoo l o f C iv il and T ran spo r ta t io n E ng inee r ing, A n sh an U n ive r sity o f Sc ience and T ech no lo gy, A n sh an 114044, C h ina;3. Schoo l o f C h em ica l E ng inee r ing, A n sh an U n ive r sity o f Sc ience and T ech no lo gy, A n sh an 114044, C h ina)A bstra c t: T h e lo ad f