摘 要： 分析了灰色模型（GM）和模擬退火模型（SA），GM（1，1）學習參數的計算采用最小二乘法，而最小二乘法是基于殘差平方和最小尋優，容易陷入局部最小，對于非線性較強的負荷，會產生很大的偏差。提出了一種GM（1，1）與SA相結合的方法，根據模擬退火原理，結合概率突跳特性在解空間中隨機尋找目標函數的全局最優解，自動優化GM（1，1）的參數，在負荷預測的實例中取得良好效果。
關鍵詞： 灰色模型GM；模擬退火SA；負荷預測
中長期負荷預測在電力系統規劃和運行方面發揮著重要作用，具有明顯的經濟效益，負荷預測實質上是對電力市場需求的預測。灰色預測具有要求樣本少、運算簡便和精度高的優點，得到了廣泛的應用。由于GM（1，1）的預測精度依賴于模型參數的準確度，使其難以達到理想的預測效果。針對上述情況，本文提出模擬退火SA算法優化GM（1，1）的方法，該方法能自動優化GM（1，1）的參數，尋找全局最優解，有效地提高了GM（1，1）的預測精度。在中長期負荷預測中取得較好的效果。
對GM（1，1）和模擬算法建模進行分析，針對各自的優缺點提出新的組合模型，并就改模型的建模思想和建模步驟進行了理論探討。算例分析表明，此新型組合模型能較好地模擬負荷變化發展情況，有效提高負荷預測精度，并且能自動有效地優化GM（1，1）學習參數，具有較強的使用價值。
參考文獻
[1] 李瑾，劉金朋，王建軍.采用支持向量機和模擬退火算法的中長期負荷預測方法[J].中國電機工程學報，2011，31（16）：63-66.
[2] 余健明，燕飛，楊文宇，等.中長期電力負荷預測的變權灰色組合預測模型[J].電網技術，2005，29（17）.
[3] 周德強.基于最小一乘的GM（1，1）模型及在負荷預測中的應用[J].電力系統保護與應用，2011，29（17）.
[4] 張勇軍，石輝，翟偉芳，等.基于層次分析法-灰色綜合關聯及多灰色模型組合建模的線損率預測[J].電網技術，2911，35（6）.