群智能算法與電力負荷預(yù)測研究.pdf

1、電力負荷預(yù)測對于電力系統(tǒng)的建設(shè)和運行均有著極其重要的意義和作用。預(yù)測精度的高低直接影響著電力系統(tǒng)的安全運行和經(jīng)濟效益。本文從近年來廣泛應(yīng)用于電力負荷預(yù)測的群智能算法出發(fā),研究和分析現(xiàn)有的群智能算法以及與之結(jié)合的預(yù)測模型。通過對算法和模型的改進,建立新的預(yù)測模型,并應(yīng)用于實際的電力負荷預(yù)測,得到了預(yù)期的效果。本文主要研究的內(nèi)容如下:
　　 1.研究兩種典型的群智能算法:粒子群優(yōu)化算法(PSO)和蟻群優(yōu)化算法(ACO)。通過對不同函

2、數(shù)優(yōu)化的分析,對比了兩者的優(yōu)點和不足。以粒子群算法為基礎(chǔ),并吸收模擬退火算法以及蟻群算法的思想對其進行改進,提出了兩種改進群智能算法:IPSO和HA算法。比較改進的群智能算法、標(biāo)準(zhǔn)的粒子群算法和蟻群算法對不同函數(shù)的優(yōu)化,表明改進的群智能算法具有一定的優(yōu)越性和有效性。
　　 2.將群智能算法和神經(jīng)網(wǎng)絡(luò)相結(jié)合建立新的預(yù)測模型。將群智能算法分別和BP、Elman神經(jīng)網(wǎng)絡(luò)結(jié)合,利用群智能算法代替BP算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值,建立基于

3、群智能算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)預(yù)測模型:PSOBPNN,PSOENN,IPSOBPNN,IPSOENN,HABPNN和HAENN。通過對經(jīng)典的混沌序列進行模擬仿真,驗證了基于群智能算法的神經(jīng)網(wǎng)絡(luò)預(yù)測模型比傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型具有更快的收斂速度以及更高的預(yù)測精度。
　　 3.中長期負荷預(yù)測對電力系統(tǒng)規(guī)劃和建設(shè)具有重要的意義。將群智能算法和灰色預(yù)測模型相結(jié)合建立基于群智能算法的灰色預(yù)測模型。利用群智能算法代替?zhèn)鹘y(tǒng)的最小二乘法直接求解灰色模型

4、參數(shù),避免了由于灰色模型在求解過程中因背景值的取值不當(dāng)而帶來的誤差。通過對中長期電力負荷的預(yù)測,驗證了基于群智能算法的灰色預(yù)測模型比傳統(tǒng)的灰色預(yù)測模型具有更高的預(yù)測精度和更加廣泛的適用范圍。
　　 4.電力負荷短期預(yù)測方法是當(dāng)前研究的熱點問題,訓(xùn)練樣本的建立方法與預(yù)測精度密切相關(guān)。分析和比較了多步預(yù)測和分步預(yù)測的優(yōu)點和不足,結(jié)合兩種方法的優(yōu)點提出一種新訓(xùn)練樣本建立方法。利用PSO,IPSO和HA算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)預(yù)測模型對某市實

5、際的電力系統(tǒng)進行短期電力負荷預(yù)測,結(jié)果表明HA算法與新預(yù)測方法結(jié)合可獲得更高的預(yù)測精度。
　　 5.分析和比較了秋季負荷和夏季負荷的特點,驗證了秋季溫度變化不大的情況下,負荷和溫度之間無明顯的相關(guān)性;而在夏季溫度變化比較大的情況下負荷和溫度之間具有明顯的相關(guān)性。由此確定對秋季負荷進行預(yù)測時不引入溫度因子,而對夏季負荷預(yù)測時則引入溫度因子。對實際的電力系統(tǒng)進行短期電力負荷預(yù)測,對于秋季負荷不引入溫度因子也可達到很高的預(yù)測精度,而對