中英文资料翻译基于改进的灰色预测模型的电力负荷预测摘要尽管灰色预测模型已经被成功地运用在很多领域,但是文献显示其性能仍能被提高。为此,本文为短期负荷预测提出了一个GM(1,1)关于改进的遗传算法(GM(1,1)-IGA)。由于传统的GM(1,1)预测模型是不准确的而且参数a的值是恒定的,为了解决这个问题并提高短期负荷预测的准确性,改进的十进制编码遗传算法(GA)适用于探求灰色模型GM(1,1)的最佳a值。并且,本文还提出了单点线性算术交叉法,它能极大地改善交叉和变异的速度。最后,用一个日负荷预测的例子来比较GM(1,1)-IGA模型和传统的GM(1,1)模型,结果显示GM(1,1)-IGA拥有更好地准确性和实用性。关键词:短期的负荷预测,灰色系统,遗传算法,单点线性算术交叉法28第一章绪论日峰值负荷预测对电力系统的经济,可靠和安全战略都起着非常重要的作用。特别是用于每日用电量的短期负荷预测(STLF)决定着发动机运行,维修,功率互换和发电和配电任务的调度。短期负荷预测(STLF)旨在预测数分钟,数小时,数天或者数周时期内的电力负荷。