資源描述:
《差異演化算法優(yōu)化灰色模型的負(fù)荷預(yù)測(cè)》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、差異演化算法優(yōu)化灰色模型的負(fù)荷預(yù)測(cè):傳統(tǒng)灰色預(yù)測(cè)模型GM(1,1)在預(yù)測(cè)增長(zhǎng)較快的電力負(fù)荷時(shí)預(yù)測(cè)效果會(huì)變差,為克服這一缺陷,首先對(duì)原始數(shù)據(jù)進(jìn)行開(kāi)次方處理使數(shù)據(jù)增長(zhǎng)變平穩(wěn),再將差異演化算法與GM(1,1)模型相結(jié)合,利用差異演化算法求解GM(1,1)模型中的參數(shù)。電力負(fù)荷預(yù)測(cè)實(shí)例結(jié)果表明該模型具有較高的預(yù)測(cè)精度和較廣的應(yīng)用范圍?! bstract:(1,1)isbad.Inordertooverethisshorting,itfirstneedstoextracttheoriginaldatasothattheda
2、tagroodel,andsolvetheparametersofGM(1,1)modelbydifferentialevolutionalgorithm.Instancesofpoodelhashigherpredictionaccuracyandaodel;backgroundvalue;differentialevolutionalgorithm ?。篢M73:A:1006-4311(2013)20-0058-02 0引言 本文首先通過(guò)對(duì)原始數(shù)據(jù)進(jìn)行開(kāi)次方處理來(lái)降低其增長(zhǎng)率,使數(shù)據(jù)的增長(zhǎng)變的較為平穩(wěn),其次
3、,為避免因背景值取值不當(dāng)而造成誤差,將差異演化算法[1]與GM(1,1)模型相結(jié)合,用差異演化算法優(yōu)化GM(1,1)模型中的參數(shù),提出基于差異演化算法優(yōu)化灰色模型的負(fù)荷預(yù)測(cè)。仿真實(shí)驗(yàn)表明該模型提高了預(yù)測(cè)精度,優(yōu)于GM(1,1)模型和文獻(xiàn)[2]提出模型的預(yù)測(cè)效果,拓展了灰色預(yù)測(cè)模型的使用范圍,為工程應(yīng)用提供了重要參考?! ?GM(1,1)的原理 GM(1,1)模型是電力負(fù)荷預(yù)測(cè)常用的一種灰色模型。原理如下:設(shè)有n個(gè)原始負(fù)荷樣本數(shù)據(jù)x(0)=(x(0)(1),x(0)(2),…,x(0)(n)),作一階累加生成序列x
4、(1)=(x(1)(1),x(1)(2),…,x(1)(n)),序列x(0)和x(1)中對(duì)應(yīng)數(shù)據(jù)之間的關(guān)系為x(1)(k)=■x(0)(i)(k=1,2,…,n)?! ?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■+ax(1)=u,其對(duì)應(yīng)的差分方程組為 x(0)(2)+■a[x(1)(2)+x(1)(1)]=ux(0)(3)+■a[x(1)(3)+x(1)(2)]=ux(0)(n)+■a[x(1)(n)+x(1)(n-1)]=u(1) 利用最小二乘法求得參數(shù)au=(BTB)-1BTY(2) 其中B=
5、■[x(1)(1)+x(1)(2)]1■[x(1)(2)+x(1)(3)]1■■■[x(1)(n-1)+x(1)(n)]1,Y=x(0)(2)x(0)(3)■x(0)(n)?! ∮桑?)式求得a和u后,得原始數(shù)據(jù)預(yù)測(cè)公式: ■(0)(k+1)=(1-ea)[x(0)(1)-■]e-ak,k=1,2,…。(3) 2差異演化算法 差異演化算法是基于實(shí)數(shù)編碼的進(jìn)化演化算法。下面通過(guò)求解非線性函數(shù)f(x1,x2,…,xn)的最小值問(wèn)題,xj滿足x■■?燮xj?燮x■■,j=1,2,…,n來(lái)介紹差異演化算法的操作過(guò)程:
6、 令xi(t)是第t代的第i個(gè)染色體則xi(t)=(xi1(t),xi2(t),…,xin(t)),i=1,2,…,M;t=1,2,…,tmax。 2.1生成初始種群在n維空間里隨機(jī)產(chǎn)生滿足約束條件的M個(gè)染色體,實(shí)施如下措施: xij(0)=randij(0,1)(x■■-x■■)+x■■ i=1,2,…,Mj=1,2,…,n(4) 其中,x■■,x■■分別是第j個(gè)變量上界和下界,randij(0,1)是[0,1]之間的隨機(jī)小數(shù)?! ?.2變異操作從群體中隨機(jī)選擇3個(gè)染色體xp1,xp2,xp3且(i≠p
7、1≠p2≠p3,f(p1) ?。?) 反復(fù)執(zhí)行2.1至2.4操作,直至達(dá)到最大的進(jìn)化代數(shù)tmax?! ?差異演化算法優(yōu)化灰色模型 GM(1,1)模型在預(yù)測(cè)增長(zhǎng)較快的負(fù)荷時(shí),預(yù)測(cè)精度會(huì)變差,文獻(xiàn)[3]證明GM(1,1)引入背景值x(1)(k)=■[x(1)(k)+x(1)(k+1)]是導(dǎo)致模型在預(yù)測(cè)增長(zhǎng)較快的負(fù)荷時(shí)預(yù)測(cè)精度變差的原因。為使數(shù)據(jù)的增長(zhǎng)較為平穩(wěn),可通過(guò)對(duì)原始數(shù)據(jù)序列的每個(gè)數(shù)據(jù)開(kāi)次方來(lái)降低其增長(zhǎng)率,從而獲得一個(gè)增長(zhǎng)較為平穩(wěn)的新數(shù)據(jù)序列。同時(shí)為了避免因背景值的選取不當(dāng)而造成誤差,利用差異演化算法來(lái)求解GM
8、(1,1)模型中的參數(shù)a和u,得到基于差異演化算法優(yōu)化的灰色預(yù)測(cè)模型,其操作步驟如下: ?、賹?duì)原始數(shù)據(jù)開(kāi)次方:x′(0)(k)=■,k=1,2,…,n,m,為大于1的正整數(shù);②在2維空間里隨機(jī)產(chǎn)生M個(gè)個(gè)體。xi(t)=(ai(t),ui(t)),i=1,2,…,M;t=1,2,…,tmax。其中,M為群體規(guī)模,tmax為最大進(jìn)化代數(shù);③計(jì)算每個(gè)個(gè)體的適應(yīng)值。