基于粒子群算法的自回归加权马尔可夫链的负荷预测.pdf

《基于粒子群算法的自回归加权马尔可夫链的负荷预测.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2014年第1期工业仪表与自动化装置·1l3·基于粒子群算法的自回归加权马尔可夫链的负荷预测土朱(兰州石化职业技术学院信息处理与控制工程系，兰州730060)摘要：针对城市居民人均年用电量序列具有波动性、随机性和相依性的特点，建立了基于粒子群优化算法的自回归加权马尔可夫链的负荷预测模型(PSO—AR—W—MC)。首先利用粒子群算法和AIC准则确定出自回归AR模型的系数和阶数，并对负荷变化趋势进行预测。利用平行曲线法划分该模型得到的残差序列，建立马尔可夫链的状态区间，以此求出状态转移概率矩阵，利用归一化后的自相关系数对其进行改进，确定出

2、预测数据所属状态区间。根据状态区间对预测值进行第二次拟合。实例分析表明该算法具有较高的精确度和可靠性，应用前景广阔。关键词：PSO算法；自回归模型；加权马尔可夫链；预测中图分类号：0236文献标志码：A文章编号：1000—0682(2014)01—0113—05LoadforecastingbasedonparticleswarmoptimizationautoregressiveweightedMarkovchainWANGJiangrong(DepartmentofInformationProcessingandControlEn

3、gineering，LanzhouPetrochemicalCollegeofTechnology，Lanzhou730060，China)Abstract：VolatilityandrandomnessanddependenciesofthecharacteristicsofurbanresidentspercapitaelectricityconsumptionsequenceestablishedbasedParticleSwarmOptimizationalgorithmselftheregressionweightedMar

4、kovchainloadforecastingmodel(PSO—AR—W—MC)．FirstuseofthePSOandAICcriteriontodeterminefromtheARmodelcoeficientsandorder，andloadRendforecast．DividedthemodelresidualseriesparallelcurvemethodtoestablishtherangeofstateoftheMarkovchain，inordertofindthestatetran—sitionprobabili

5、tymatrix，normalizedautocorrelationcoefficienttoimproveit，todeterminetheforecastdatabelongsstateinterva1．Accordingtostateintervalpredictivevaluesecondfitting．Thecasestudyshowsthattheproposedalgorithmhasahighdegreeofaccuracyandreliability，broadapplicationprospects．Keyword

6、s：PSOalgorithm；autoregressivemodel；weightedMarkovchain；forecast高预测效果，该文将上述2种算法相结合，使其优0引言势互补，并通过粒子群优化算法(particleswarmop．城市居民人均年用电量构成了时间序列，该timization，PSO)估算自回归模型的系数和阶数；利种序列具有波动性、随机性和相依性。自回归(all—用平行曲线法_4划分自回归模型得到的残差序列toregressive，AR)谱分析具有外推功能，不受数据建立马尔可夫链的状态转移空间。由于城市居民长度限制

7、，可有效地分析短样本信号⋯，AR模型人均年用电量是一组相依的随机变量，因而可考白回归参数对状态变化规律反映最敏感]，因此，虑先分别依其前面若干时段的数据对所求时段的可用AR模型预测城市居民人均年用电量。马尔用电量进行预测，然后按前面各时段与该时段相可夫链(Markovchain，MC)适用于随机波动性依关系的强弱加权求和，即在预测过程中加人权较大的时间序列预测，能够有效地预见并消除由重的影响，以期能充分、合理地利用信息进行预随机性而产生的预测误差。为了更加准确地获取测。实例仿真结果表明，该文提出的基于粒子群城市居民人均年用电量时间序列

8、的内在规律，提优化算法的自回归加权马尔可夫链的电荷预测模型(PSO—AR—W—MC)具有很高的精确度。收稿日期：2013—04—101自回归模型作者简介：王江荣(1966)，男，1990年7月毕业于E京师范大学数学系，获