基于算法融合的自适应短期负荷组合预测模型研究.pdf

《基于算法融合的自适应短期负荷组合预测模型研究.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40卷第21期电力系统保护与控制Vo1．40NO．212012年11月1日PowerSystemProtectionandControlNOV．1，2012基于算法融合的自适应短期负荷组合预测模型研究陆宁，刘颖(1．武汉理工大学自动化学院，湖北武汉430070；2．武汉电力调度信息通信中心，湖北武汉430015)摘要：组合预测把多种单一预测方法按一定方式结合，综合利用各种预测方法所提供的信息，并在综合这些信息的基础之上进行最优组合。采用支持向量机(SVM)实现分时段变权重组合预测，描述多种方法的预测结果

2、与实际负荷的非线性关系，并采用改进粒子群(PSO)与模拟退火(SA)自学习融合的协同优化方法SA-MPSO对SVM模型参数进行优化，用两种不同特性的测试函数对该优化算法的收敛性进行测试，通过多次测试平均值验证其收敛性。实例仿真中，SA—MPS0优化的SVM模型实现对三个不同预测模型的组合，预测结果表明，该方法除了避开传统组合预测模型权重复杂求取问题，且参数优化自适应能力强，有利于预测精度的提高。关键词：算法融合；自适应；粒子群；模拟退火：支持向量机；组合预测Researchonself-adaptivei

3、ntegratedmodelforshort-termloadforecastingbasedonalgorithmcombinationLUNing，LIUYing(1．SchoolofAutomation，WuhanUniversityofTechnology，Wuhan430070，China；2．WuhanElectricPowerDispatchingandCommunicationCenter,Wuhan430015，China)Abstract：Combinationforecastingm

4、odelintegratessinglepredictionmethodaccordingtoacertainmodetoutilizetheinformationprovidedbyvariousmethods．Thispaperadoptssupportvectormachinetoimplementthetime—phasedvaryingweightintegratedforecastingandtodescribenonlinearrelationshipbetweentheresultsofd

5、ifferentmethodsandtheactualdata．AnewalgorithmSA—MPSOwhichisbasedonimprovedparticleswarmoptimizationandsimulatedannealingisalsoputforwardtooptimizetheparametersofsupportvectormachine．Theconvergencetestofthisoptimizationalgorithmisstudiedbyusingtwofunctions

6、withdiferentcharacteristics．Theresultsshowthattheproposedmethodcanavoidthecomplexweightcalculationofthetraditionalmodelandhasstrongself-adaptiveabilityofparameteroptimization，whichishelpfultoimprovingtheforecastingaccuracy．Keywords：algorithmcombination；se

7、lf-adaptive；particleswarm；simulatedannealing；supportvectormachine；combinationforecasting中图分类号：TM715文献标识码：A文章编号：1674—3415(2012)21·0109—05每个预测方法从不同角度反映预测对象的不同特点0引言信息，它们之问不是相互排斥，而是相互补充的。电力负荷预测是电力系统日常运行中的一项重Bates和Granger在1969年于文献[3]提出了将不同要工作。负荷预测对电力系统的经济性、可靠性

8、和单一预测方法进行组合的预测方法。把多种单一预运营管理起着十分重要的作用[1-21。实际的预测可能测方法得到的结果按一定方式结合起来，综合利用受到包括基本因素和随机因素在内的各种复杂的因各种预测方法所提供的信息，并在综合这些信息的素的影响，预测者通常在不同的假设条件下，用不基础之上进行最优组合J。同的单一预测的方法进行预测，但是不同的方法根对多个单一预测模型进行组合的传统方法有：据自身不同的实现机制，有其自己的优点和缺点，平均