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)
