雷鳴靂　馮祖仁

摘要：為了改善傳統(tǒng)的電價預測灰色模型GM(1，1)的預測精度，提出一種內變量參數辨識的電價預測模型——PSOGM(1，1)模型，首先采用灰色微分方程建立模型內變量(發(fā)展系數、灰作用量、背景值權重系數、邊值)與預測值之間的非線性內涵表達式，然后采用粒子群算法(PSO)對內變量參數進行辨識，得到問題的最優(yōu)解，建立PSOGM(1，1)模型，與GM(1，1)模型相比較，PSOGM(1，1)模型具有較快的收斂速度和更好的預測精度，對北歐NORDPOOL電力市場歷史電價數據的分析實驗表明，PSOGM(1，1)模型的短期電價平均預測精度為94％，較已有的幾種典型改進GM(1，1)模型預測精度提高了1％～3％。