粒子群優(yōu)化灰色模型在負荷預(yù)測中的應(yīng)用

粒子群優(yōu)化灰色模型在負荷預(yù)測中的應(yīng)用

ID:32603052

大?。?5.73 KB

頁數(shù):10頁

時間:2019-02-13

粒子群優(yōu)化灰色模型在負荷預(yù)測中的應(yīng)用_第1頁
粒子群優(yōu)化灰色模型在負荷預(yù)測中的應(yīng)用_第2頁
粒子群優(yōu)化灰色模型在負荷預(yù)測中的應(yīng)用_第3頁
粒子群優(yōu)化灰色模型在負荷預(yù)測中的應(yīng)用_第4頁
粒子群優(yōu)化灰色模型在負荷預(yù)測中的應(yīng)用_第5頁
資源描述:

《粒子群優(yōu)化灰色模型在負荷預(yù)測中的應(yīng)用》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在工程資料-天天文庫。

1、粒子群優(yōu)化灰色模型在負荷預(yù)測中的應(yīng)用第15卷2007矩第1期2月中國管理科學ChineseJournalofManagementScienceVol.15,NO」Feb.,2007文章編號:1003—207(2007]01—0069-05粒子群優(yōu)化灰色模型在負荷預(yù)測中的應(yīng)用牛東曉,趙磊,張博,王海峰(華北電力大學經(jīng)濟管理系,河北保定071003)摘要:針對電力系統(tǒng)負荷特性,分析灰色模型GM(1,1)的應(yīng)用局限性,引入向量改進灰色模型背景值序列的計算公式,從而構(gòu)建了適應(yīng)性更強的GM(1,1,)模型.應(yīng)用粒子群優(yōu)化算法非線性全局尋優(yōu)能力來求解最優(yōu)值,提出了基于粒子群優(yōu)化算法的灰色

2、模型PSOGM,并給岀了電力負荷預(yù)測的應(yīng)用實例?實例證明PSOGM模型具有較高的預(yù)測精度和較廣的應(yīng)用范圍.關(guān)鍵詞:負荷預(yù)測;灰色模型;背最值;粒子群優(yōu)化中圖分類號:F830.59文獻標識碼:A1引言灰色預(yù)測方法具有要求樣本數(shù)據(jù)少,不考慮分布規(guī)律和變化趨勢,預(yù)測精度高,可檢驗性強等優(yōu)點,因而灰色模型尤其是GM(1,1)模型在電力負荷預(yù)測中得到了廣泛關(guān)注11].但GM(1,1)模型主要適用于負荷增長較平穩(wěn)的情況,而實際問題中影響負荷的不確定因素很多,對預(yù)測方法的適應(yīng)性要求很高,因此GM(1,1)模型的應(yīng)用受到一定的限制⑸.文獻[7]證明GM(1,1)模型引人背景值x氣k)是導(dǎo)致模

3、型在預(yù)測非平穩(wěn)變化序列時精度不高的主要原因.文獻[8]引人一個參數(shù)來修正背景值計算公式,提高了模型的預(yù)測精度,但是對具有不同變化趨勢的各時刻背景值取相同的參數(shù)值,不能充分降低模型的預(yù)測誤差.基于此,本文引人向量a改進GM(1,1)模型背景值序列的計算公式,即對不同時刻取不同的修正參數(shù),因此將GM(1,1)模型推廣為GM(l,l,a)模型;由于a與誤差之間存在明顯的非線性關(guān)系,應(yīng)用具有全局尋優(yōu)能力的粒子群優(yōu)化算法(ParticleSwarmOptimization以卜簡稱PSO)求解a向量,從而構(gòu)建了基于PSO的灰色預(yù)測模型(簡稱PSOGM);在MATLAB6.5環(huán)境下編寫GM

4、(1,1)收稿日期:2005—10—07:修訂日期:2OO6—01—10基金項目:國家自然科學基金資助項目(50077007);高等學校博士點專項基金資助項目(20040079008)作者簡介:牛東曉(1962—),男(漢族),安徽省宿州市人,華北電力大學T商管理學院院長,博士生導(dǎo)師,教授,研究方向:電力市場.模型和PSOGM模型的預(yù)測程序,并進行實例分析.結(jié)果證明,該優(yōu)化模型優(yōu)于傳統(tǒng)GM(1,1)模型,拓展了灰色預(yù)測的適用范圍.2基于粒子群優(yōu)化的灰色預(yù)測模型2.1GM(1?1)的建模原理灰色系統(tǒng)理論的建模實際上是對牛成數(shù)據(jù)列的建模,對應(yīng)GM(1,1)模型即1階1個變量的微分

5、方程,其建模步驟III為:設(shè)有鞏個原始負荷樣本數(shù)據(jù)z°°—(z°°(l),zT(2),…,z~());作一階累加生成1一AGO:z'(是)-Ezf.(i)(-1,2,…,)(4)=1構(gòu)造一階線性灰色微分方程后,可得該方程的白化微分方程為+z⑴一”(5)a其屮,背景值zn(是)取前后兩個時刻的等權(quán)滑動平均代替Z”(是)-[z"(是+l)+z'(是)]/2(6)則背景值序列為zn一{zn(2),z”(3),…,*0)z”(是)-[zn(是+l)+zn(是)]/2(7)利用最小二乘法求解參數(shù)A-a;1]:A—[占,]一(BB)BY(8)其中:B:=一刃”⑵一(刃⑵).一刃⑶一(z?

6、)???11—Z'()—zf0)?y—'?⑵z.(3)中國管理科學Z8的灰色預(yù)測模型為主(?(志+1)-(1-)(z(O(l)U)P一(志一0,a1,2,…)⑼2.2GM(1,1)模型的局限性文獻E8]證明GM(1,1)引入背景值z"k是導(dǎo)致模型精度不高的主要原因,且當負荷增長速度較慢,即對應(yīng)的指數(shù)函數(shù)中l(wèi)ai較小時,預(yù)測精度較高;當lai變大時,預(yù)測精度變差,背景值的精確計算公式是:z(志)一a工n(志)+(1—1a)zn(志+1)(0WaWl)(10)式中a和a具有a—1/a—l/(e.—1)的關(guān)系,由此關(guān)系式可證明,當a—0時,a—0.5;當lai較小時非常接近0.5

7、;當lai較大時,a與0.5偏離較大?因此,簡單地取a一0.5而不考慮的大小是導(dǎo)致模型在lai較人吋預(yù)測失效的重要原因.基于此,木文引入向量a一(a:,…,a,…,a),構(gòu)建包含修正向量的GM(l,l,a)模型,特別地,當a一(0.5,0.5,…,0.5)時為GM(1,1)模型.2.3粒子群優(yōu)化理論與各種各樣的自適應(yīng)隨機搜索算法相比,演化計算技術(shù)創(chuàng)造了被稱為”種群”的潛在解,并通過種群間個體的協(xié)作與競爭來實現(xiàn)對問題最優(yōu)解的搜尋11,這類方法往往能夠比傳統(tǒng)優(yōu)化方法更快地發(fā)現(xiàn)復(fù)雜優(yōu)化問題的最優(yōu)解.R前,群智

當前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學公式或PPT動畫的文件,查看預(yù)覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負責整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時聯(lián)系客服。
3. 下載前請仔細閱讀文檔內(nèi)容,確認文檔內(nèi)容符合您的需求后進行下載,若出現(xiàn)內(nèi)容與標題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡(luò)波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯(lián)系客服處理。