Für das graue GM(1,1)-Modell, das zur kurzfristigen Prognose der elektrischen Last verwendet wird, können periodische Laständerungen und eine geringe Präzision nicht effektiv abgebildet werden. Das GM(1,1)-Modell wird zum GM(1,1,λ)-Modell erweitert, und ein genetischer Algorithmus wird zur Berechnung des besten λ-Werts verwendet, während dieses Modell gleichzeitig zur effektiven Lastprognose für ein spezifisches Stromnetz in der Provinz Henan für die nächsten 24 Stunden angewendet wird. Die Ergebnisse zeigen, dass das auf dem genetischen Algorithmus basierende GM(1,1,λ)-Modell eine hohe Prognosegenauigkeit und einen signifikanten Prognoseeffekt aufweist.

elektrische Last, kurzfristige Lastprognose, graues Modell, GM(1,1,λ)-Modell, genetischer Algorithmus