欢迎来到天天文库
浏览记录
ID:52480013
大小:354.67 KB
页数:5页
时间:2020-03-28
《基于改进ABC算法的中长期电力负荷组合预测.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、第42卷第23期电力系统保护与控制Vb1.42N0.232014年12月1日PowerSystemProtectionandControlDec.1.2014基于改进ABC算法的中长期电力负荷组合预测陈强,金小明,姚建刚,杨胜杰,龚磊,吴兆刚(1.湖南大学电气与信息工程学院,湖南长沙410082;2.南方电网技术研究中心,广东广州510620;3.湖南湖大华龙电气与信息技术有限公司,湖南长沙410082)摘要:将人工蜂群(ABC)算法应用到中长期电力负荷预测中,通过与组合预测模型相结合,对组合预测目标函数进行优化权重求解。另外针对该算法的
2、早期收敛速度慢、后期容易陷入局部最优的缺点,通过引入扰动项,并进行最坏蜜源替代予以解决。实例分析证明该改进算法收敛速度快,全局寻优能力强。利用它求得的组合预测值,相对于单一模型的预测结果,精度有较大的提高,说明该改进算法应用到中长期电力负荷预测中是可行的。关键词:ABC算法;中长期电力负荷;组合预测;扰动项;0BL策略Improvedartificialbeecolonyalgorithmappliedtomediumandlong-termloadcombinationforecastingCHENQiang,JINXiao.ming,
3、YAOJian.gang,YANGSheng~ie’,GONGLei,WUZhao.gang(1.CollegeofElec~icalandInformationEngineering,HunanUniversity,Changsha410082,China;2.ElectricPowerResearchInstitute,CSG,Guangzhou510620,China;3.HunanHDHLElectrical&InformationTechnologyCo.,Ltd.,Changsha410082,China)Abstract:A
4、rtificialbeecolony(ABC)algorithmisappliedtothemediumandlongtermpowerloadforecasting.Combinedwiththecombinationforecastingmodel,itoptimizestheweightsofcombinationpredictioninobjectivefunction.Adisturbingtermandworsthoneysubstitutionareintroducedtoovercometheproblemsofslowc
5、onvergencespeedintheearlystageandeasyfallingtolocaloptimuminthelatestageoftheexistingABCalgorithm.Caseanalysisshowsthattheimprovedmethodhasrapidconvergenceandstrongglobaloptimization.Comparedwiththeforecastingresultofsinglemodel,thecombinationforecastingvaluebyusingtheimp
6、rovedmethodismoreaccurate,whichshowsitisfeasibleinthemediumandlongtermpowerloadforecasting.ThisworkissupportedbyNationalNaturalScienceFoundationofChina(No.51277059).Keywords:artificialbeecolonyalgorithm;mediumandlong-termelectricityload;combinationforecasting;disturbingte
7、rm;OBLstrategy中图分类号:TM715文献标识码:A文章编号:1674.3415(2014)23.0113—05理论基础上,将人工蜂群算法(AtificialBee0引言Colony,ABC)应用到中长期电力负荷组合预测中,中长期电力负荷预测是电力系统调度运行、发应用于求解组合预测权重。展规划的前提,其精度对电力系统的安全、稳定、ABC算法是根据蜜蜂寻找蜜源的过程而开发可靠、经济运行起着至关重要的作用[1-2]。由于中出来的一种群体智能算法。它与遗传算法(Genetic长期电力负荷预测具有预测时问跨度大,影响因素Algorit
8、hm,GA)以及粒子群算法(ParticleSwarm较多的特点,而单一电力负荷预测模型只能模拟影Optimization,pso)相比,具有更好的全局寻优能响其中的一个或几个因素,因此难以得
此文档下载收益归作者所有