資源描述:
《基于粒子群優(yōu)化的電力負荷灰色預(yù)測模型》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。
1、第32卷第1期四川電力技術(shù)Vo1.32,No.12009年2月SichuanElectricPowerTechnologyFeb.,2009基于粒子群優(yōu)化的電力負荷灰色預(yù)測模型周在陽,周步祥。師玉東。鄭海濱(四川大學電氣信息學院,四川成都610065)1fI】摘要:通過對+n?=“的通解;”=ce+旦的參數(shù)。、H、c直接求解,避免了灰微分方程參數(shù)辨識時選取(L“合理背景值的問題,構(gòu)建了適應(yīng)性更強的不需構(gòu)造GM(1,1)模型的背詈值而直接求解灰微分方程參數(shù)的模型,并且在求解這些參數(shù)的過程中,應(yīng)用了在求解非
2、線性問題中具有全局尋優(yōu)能力的粒子群算法(PSO)。提出了基于粒子群算法優(yōu)化的電力負荷灰色預(yù)測模型PSOGM(1,1,n,u,c),通過在電力負荷實例中的應(yīng)用并與傳統(tǒng)的GM(1,1)預(yù)測模型進行了效果比較,驗證了基于粒子群算法優(yōu)化的電力負荷GM(I,1)模型具有很好的預(yù)測精度和適用性。關(guān)鍵詞:灰色模型;粒子群算法(PSO);電力負荷預(yù)測;背景值A(chǔ)bstract:Anewmethodwhichisusedtosolvetheparametera,“andCofGM(1,1)isdiscussed.Fhenp
3、articleswarm0p—timizationisadoptedtosolvethevalueofa.¨andcasthisalgorithmhasthevirtueofoptimum—seekingandhigh—qualitysolution.Therefore,aGM(1,1,0,U,C)basedonPSOisfinallybuilt.AndtheresultofthetraditionalGM(1,1)corn—pareswiththeresultofthenewGM(1,1)mode1.
4、ThepracticalexampleindicatesthattheGM(1,l,a,u,c)basedonPSOmodelhasthe(:halaeteristicofbetterprecisionandwiderapplicationfield.Keywords:greymodel;particleswaF1TIoptimization(PSO);powerloadforecasting;backgroundvalue中圖分類號:TM714文獻標識碼:B文章編號:1003—6954(2009)O1
5、—0032—04負荷預(yù)測是供電部門的重要工作之一,準確的負差之間存在明顯的非線性關(guān)系,為使參數(shù)的求解最優(yōu)荷預(yù)測可以經(jīng)濟合理地安排電網(wǎng)內(nèi)部發(fā)電機組的啟化,采用具有全局尋優(yōu)能力的粒子群算法(PSO)求解停,制訂設(shè)備檢修計劃,編制電網(wǎng)建設(shè)規(guī)劃,保證社會參數(shù)a、“、C,并提出了基于粒子群優(yōu)化的電力負荷灰正常的生產(chǎn)、生活用電,提高經(jīng)濟效益和社會效益。色預(yù)測模型PSOGM(1,1,a,u,c),這樣就可以避免通因此,對電網(wǎng)未來負荷變化趨勢及幅度的精確預(yù)測是過形成背景值求解參數(shù)產(chǎn)生的誤差。通過在電力負電網(wǎng)調(diào)度和規(guī)劃部
6、門所應(yīng)具備的一項基本能力。荷預(yù)測中的應(yīng)用,證明本方法能很好地提高預(yù)測模型灰色預(yù)測具有要求樣本數(shù)據(jù)少、不考慮分布規(guī)律的精度和變化趨勢、原理簡單、運算方便、預(yù)測精度高、可檢驗性強等優(yōu)點,因而得到了廣泛的應(yīng)用¨。]。但由于1基于PSO的灰色預(yù)測模型模型是一個指數(shù)函數(shù),并且比較適合于負荷增長較平穩(wěn)的情況,而實際問題中影響電力負荷的不確定性1.1傳統(tǒng)GM(1,1)模型?因素很多,對預(yù)測的方法適應(yīng)性要求很高,因此,GM傳統(tǒng)GM(1,1)模型首先對時間序列X:(1,1)模型的應(yīng)用受到一定程度的限制。許多文獻(。‘∞,
7、‘,?,‘們)進行一階累加生成規(guī)律性較通過對GM模型引入背景值或進行殘差修正來提高強的序列X‘=(1‘¨,2‘”,?,),其中:㈩預(yù)測模型的精度一j,而很少直接從求取GM模型的k=∑㈩,k=1,2,?,凡參數(shù)方面著手。文獻[5]指出如果事先能求解出發(fā)展系數(shù)a再求解其他參數(shù),這樣建立的模型才更加合接著生成背景值序列Z¨=(2¨’,z3¨,?,理?!?,其中,z‘’=0.5(‘’+‘),k=2,3,,(1)?凡,然后構(gòu)造GM(1,1)的一階微分方程表達式:基于此,通過直接對+ax“’=u通解王’,【上氅+0
8、‘:該方程解的一般表達式如下:=ce+旦中參數(shù)a、、c的求解來提高預(yù)測模型的a擬合和預(yù)測精度,由于灰微分方程解中的參數(shù)與誤=ce-elk+詈,:12一,n(1)·32.第32卷第1期四川電力技術(shù)V01.32。No.12009年2月SichuanElectricPowerTechnologyFeb。2009傳統(tǒng)GM(1,1)模型中求解參數(shù)a和“大都取實+c2r2(P一d)(5)際樣本的初始值作為初始條件,利用最/b-乘d=d+(6)法求解參數(shù)