基于改进GM(1,1)和SVM的长期电量优化组合预测模型

宋晓华，祖丕娥，伊静，刘达

(华北电力大学 经济与管理学院，北京，102206)

电量的预测对电力建设规划和宏观经济发展至关重要，因此，如何提高预测精度一直是研究者关注的问题。目前，对长期电量进行预测时主要使用回归分析、时间系列、灰色系统理论和支持向量机等方法。考虑到时间序列仅适用于需求变化比较均匀的数据源，线性回归分析预测精度低，而非线性回归分析计算开销大，预测过程复杂，因此，选用灰色预测方法和支持向量机方法进行中长期电量组合预测。灰色GM(1,1)预测模型具有要求数据少、不考虑分布规律和变化趋势、运算方便等优点，然而，灰色预测模型过多的依赖电量历史值，在数据离散程度比较大时，预测精度不高[1]。为此，本文作者对原始数据进行平滑处理以改进灰色预测模型。支持向量机预测方法可以较好地解决小样本、非线性、高维数等实际问题，且具有结构简单、全局最优、泛化能力较好等优点，预测精度较高[2-3]。近年来，组合预测方法成为预测领域中一个重要研究方向，组合预测模型能较大限度地利用各种预测样本信息，有效地减少单个预测模型中环境随机因素的影响，提高预测精度[4]。但在组合预测模型中，各单一预测模型权重系数的确定至关重要。考虑到蛙跳算法具有较强的全局收敛能力、局部搜索细致和较强的鲁棒性[5]，且不需要借助问题的特征信息，因此，本文选取蛙跳寻优算法求得各组合预测模型的权重，以提高预测精度。……