基于粒子群优化的电力负荷灰色预测模型

基于粒子群优化的电力负荷灰色预测模型

ID:46294479

大小:289.34 KB

页数:4页

时间:2019-11-22

基于粒子群优化的电力负荷灰色预测模型_第1页
基于粒子群优化的电力负荷灰色预测模型_第2页
基于粒子群优化的电力负荷灰色预测模型_第3页
基于粒子群优化的电力负荷灰色预测模型_第4页
资源描述:

《基于粒子群优化的电力负荷灰色预测模型》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、第32卷第1期四川电力技术Vo1.32,No.12009年2月SichuanElectricPowerTechnologyFeb.,2009基于粒子群优化的电力负荷灰色预测模型周在阳,周步祥。师玉东。郑海滨(四川大学电气信息学院,四川成都610065)1fI】摘要:通过对+n⋯=“的通解;”=ce+旦的参数。、H、c直接求解,避免了灰微分方程参数辨识时选取(L“合理背景值的问题,构建了适应性更强的不需构造GM(1,1)模型的背詈值而直接求解灰微分方程参数的模型,并且在求解这些参数的过程中,应用了在求解非

2、线性问题中具有全局寻优能力的粒子群算法(PSO)。提出了基于粒子群算法优化的电力负荷灰色预测模型PSOGM(1,1,n,u,c),通过在电力负荷实例中的应用并与传统的GM(1,1)预测模型进行了效果比较,验证了基于粒子群算法优化的电力负荷GM(I,1)模型具有很好的预测精度和适用性。关键词:灰色模型;粒子群算法(PSO);电力负荷预测;背景值Abstract: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中图分类号:TM714文献标识码:B文章编号:1003—6954(2009)O1

5、—0032—04负荷预测是供电部门的重要工作之一,准确的负差之间存在明显的非线性关系,为使参数的求解最优荷预测可以经济合理地安排电网内部发电机组的启化,采用具有全局寻优能力的粒子群算法(PSO)求解停,制订设备检修计划,编制电网建设规划,保证社会参数a、“、C,并提出了基于粒子群优化的电力负荷灰正常的生产、生活用电,提高经济效益和社会效益。色预测模型PSOGM(1,1,a,u,c),这样就可以避免通因此,对电网未来负荷变化趋势及幅度的精确预测是过形成背景值求解参数产生的误差。通过在电力负电网调度和规划部

6、门所应具备的一项基本能力。荷预测中的应用,证明本方法能很好地提高预测模型灰色预测具有要求样本数据少、不考虑分布规律的精度和变化趋势、原理简单、运算方便、预测精度高、可检验性强等优点,因而得到了广泛的应用¨。]。但由于1基于PSO的灰色预测模型模型是一个指数函数,并且比较适合于负荷增长较平稳的情况,而实际问题中影响电力负荷的不确定性1.1传统GM(1,1)模型⋯因素很多,对预测的方法适应性要求很高,因此,GM传统GM(1,1)模型首先对时间序列X:(1,1)模型的应用受到一定程度的限制。许多文献(。‘∞,

7、‘,⋯,‘们)进行一阶累加生成规律性较通过对GM模型引入背景值或进行残差修正来提高强的序列X‘=(1‘¨,2‘”,⋯,),其中:㈩预测模型的精度一j,而很少直接从求取GM模型的k=∑㈩,k=1,2,⋯,凡参数方面着手。文献[5]指出如果事先能求解出发展系数a再求解其他参数,这样建立的模型才更加合接着生成背景值序列Z¨=(2¨’,z3¨,⋯,理。‘),其中,z‘’=0.5(‘’+‘),k=2,3,,(1)⋯凡,然后构造GM(1,1)的一阶微分方程表达式:基于此,通过直接对+ax“’=u通解王’,【上氅+0

8、‘:该方程解的一般表达式如下:=ce+旦中参数a、、c的求解来提高预测模型的a拟合和预测精度,由于灰微分方程解中的参数与误=ce-elk+詈,:12一,n(1)·32.第32卷第1期四川电力技术V01.32。No.12009年2月SichuanElectricPowerTechnologyFeb。2009传统GM(1,1)模型中求解参数a和“大都取实+c2r2(P一d)(5)际样本的初始值作为初始条件,利用最/b-乘d=d+(6)法求解参数

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。