基于DGM和TDNN的火电行业NO_x排放量变权组合预测(英文)  

Variable Weights Combination Forecast of NO_x Emissions Based on DGM and TDNN in Thermal Power Industry

作　　者：周建国[1] 王颖雪[1] 

机构地区：[1]华北电力大学经济管理学院,河北省保定市071003

出　　处：《中国电机工程学报》2012年第S1期151-157,共7页Proceedings of the CSEE

基　　金：国家自然科学基金项目(70671039)~~

摘　　要：从区域火电行业NOx排放量预测问题的离散灰色、非线性和动态性等特征出发,建立了基于离散灰色预测模型(discrete grey model,DGM)和时延神经网络(time-delayedneural network,TDNN)模型的变权组合预测模型。其中,时延神经网络模型与传统静态神经网络(如BP、RBF神经网络)相比较,更能反映系统的动态特征,有利于提高预测的准确性;在组合变权系数确定上,采用了等维递补多项式拟合方法,提高组合预测的拟合精度。最后,以国家权威部门公布的1994—2009年火电行业相关历史数据为基础,对未来7年我国火电行业NOx排放量进行预测研究和分析。结果表明:从预测平均相对误差来看,变权组合预测为0.846%,而TDNN为1.296%,离散灰色预测则为3.472%,变权组合预测模型的预测精度明显高于单项预测模型;从预测结果趋势走向来看,组合预测结果与实际趋势最接近,较单项预测有更高的吻合度,预测结果准确可靠。从区域火电行业NOx排放量预测问题的离散灰色、非线性和动态性等特征出发,建立了基于离散灰色预测模型(discrete grey model,DGM)和时延神经网络(time-delayedneural network,TDNN)模型的变权组合预测模型。其中,时延神经网络模型与传统静态神经网络(如BP、RBF神经网络)相比较,更能反映系统的动态特征,有利于提高预测的准确性;在组合变权系数确定上,采用了等维递补多项式拟合方法,提高组合预测的拟合精度。最后,以国家权威部门公布的1994—2009年火电行业相关历史数据为基础,对未来7年我国火电行业NOx排放量进行预测研究和分析。结果表明:从预测平均相对误差来看,变权组合预测为0.846%,而TDNN为1.296%,离散灰色预测则为3.472%,变权组合预测模型的预测精度明显高于单项预测模型;从预测结果趋势走向来看,组合预测结果与实际趋势最接近,较单项预测有更高的吻合度,预测结果准确可靠。

关 键 词：火电行业 NOX排放 时延神经网络模型 离散灰色模型 等维递补多项式拟合 变权组合预测 

分 类 号：TM3-55[电气工程—电机]