資源描述：
《基于粒子群優(yōu)化的電力負(fù)荷灰色預(yù)測(cè)模型》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、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(fù)荷灰色預(yù)測(cè)模型周在陽(yáng)，周步祥。師玉東。鄭海濱(四川大學(xué)電氣信息學(xué)院，四川成都610065)1fI】摘要：通過(guò)對(duì)+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(shí)時(shí)選取(L“合理背景值的問(wèn)題，構(gòu)建了適應(yīng)性更強(qiáng)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(guò)程中，應(yīng)用了在求解非
2、線性問(wèn)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(fù)荷灰色預(yù)測(cè)模型PSOGM(1，1，n，u，c)，通過(guò)在電力負(fù)荷實(shí)例中的應(yīng)用并與傳統(tǒng)的GM(1，1)預(yù)測(cè)模型進(jìn)行了效果比較，驗(yàn)證了基于粒子群算法優(yōu)化的電力負(fù)荷GM(I，1)模型具有很好的預(yù)測(cè)精度和適用性。關(guān)鍵詞：灰色模型；粒子群算法(PSO)；電力負(fù)荷預(yù)測(cè)；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(hào)：TM714文獻(xiàn)標(biāo)識(shí)碼：B文章編號(hào)：1003—6954(2009)O1
5、—0032—04負(fù)荷預(yù)測(cè)是供電部門(mén)的重要工作之一，準(zhǔn)確的負(fù)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(cè)可以經(jīng)濟(jì)合理地安排電網(wǎng)內(nèi)部發(fā)電機(jī)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(jì)劃，編制電網(wǎng)建設(shè)規(guī)劃，保證社會(huì)參數(shù)a、“、C，并提出了基于粒子群優(yōu)化的電力負(fù)荷灰正常的生產(chǎn)、生活用電，提高經(jīng)濟(jì)效益和社會(huì)效益。色預(yù)測(cè)模型PSOGM(1，1，a，u，c)，這樣就可以避免通因此，對(duì)電網(wǎng)未來(lái)負(fù)荷變化趨勢(shì)及幅度的精確預(yù)測(cè)是過(guò)形成背景值求解參數(shù)產(chǎn)生的誤差。通過(guò)在電力負(fù)電網(wǎng)調(diào)度和規(guī)劃部
6、門(mén)所應(yīng)具備的一項(xiàng)基本能力。荷預(yù)測(cè)中的應(yīng)用，證明本方法能很好地提高預(yù)測(cè)模型灰色預(yù)測(cè)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(shì)、原理簡(jiǎn)單、運(yùn)算方便、預(yù)測(cè)精度高、可檢驗(yàn)性強(qiáng)等優(yōu)點(diǎn)，因而得到了廣泛的應(yīng)用¨。]。但由于1基于PSO的灰色預(yù)測(cè)模型模型是一個(gè)指數(shù)函數(shù)，并且比較適合于負(fù)荷增長(zhǎng)較平穩(wěn)的情況，而實(shí)際問(wèn)題中影響電力負(fù)荷的不確定性1．1傳統(tǒng)GM(1，1)模型?因素很多，對(duì)預(yù)測(cè)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(duì)時(shí)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(xiàn)(?！?，
7、‘，?，‘們)進(jìn)行一階累加生成規(guī)律性較通過(guò)對(duì)GM模型引入背景值或進(jìn)行殘差修正來(lái)提高強(qiáng)的序列X‘=(1‘¨，2‘”，?，)，其中：㈩預(yù)測(cè)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(xiàn)[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(dá)式：基于此，通過(guò)直接對(duì)+ax“’=u通解王’，【上氅+0
8、‘：該方程解的一般表達(dá)式如下：=ce+旦中參數(shù)a、、c的求解來(lái)提高預(yù)測(cè)模型的a擬合和預(yù)測(cè)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(shí)+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)
