自适应粒子群优化灰色模型的负荷预测.pdfVIP

第 22卷 第 4期 电力 系 统 及 其 自动 化 学 报 V01．22No．4 2010年 8月 ProceedingsoftheCSU—EPSA Aug． 2010 自适应粒子群优化灰色模型的负荷预测 尹 新 ，周 野 ，何怡刚，陈 建 (湖南大学电气与信息工程学院，长沙 410082) 摘要：针对传统灰色预测模型 GM(1，1)在预测增长较快 的电力负荷时预测效果变差这一局限性，引入 了比 标准粒子群优化算法效率更高的 自适应粒子群优化算法 ，并与 GM(1，1)模型相结合 ，利用 自适应粒子群算法 求解 GM(1，1)模型中的参数a和 “，提出一种 自适应粒子群优化灰色模型。通过对 四个地 区的用 电量进行实 例仿真，证 明该模型具有较广的适用范围和较高的预测精度 。 关键词 ：电力负荷预测 ；灰色模型 ；自适应 ；粒子群优化 中图分类号：TM715 文献标志码 ：A 文章编号2010)04—0041O4 PowerLoadForcastingBasedonAdaptiveParticle Swarm Optimization GreyM odel YIN Xin，ZH0U Ye，HE Yi—gang，CHEN Jian (CollegeofElectricalandInformationEngineering，HunanUniversity， Changsha410082，China) Abstract：W henthepowerloadforecastinggrowsquick，thetraditionalgraypredictionmodelGM (1，1。)be— comesworse．InordertOovercomethelimitation，an adaptiveparticleswarm optimizationalgorithm isintro— duced，whichiSmoreefficientthanthestandardparticleswarm．CombinedwiththeGM (1，1)modelandthea— daptiveparticleswarm algorithm forGM (1，1)modelparameters，theoptimizationalgorithm ispromoted．Simu— lationresultsofelectricityconsumptioninfourcitiesshow thatthemodelhasawiderscopeandhigherpredic— tion accuracy． Keywords：powerloadforecasting；greymode1；adaptive；particleswarm optimization 电力 负荷预测工作直接影 响着 电力系统调 增长较快的负荷时，预测效果变差 。文献 [3]和[4] 度 、用电、计划 、规划等工作 。提高负荷预测技术水 从理论上分析了其预测效果差 的原因，并给出相应 平 ，有利于合理安排 电网运行方式和机组检修计 的修正方案 ，改善 了GM(1，1)模型的预测效果 。 划 ，是电力科学研究 的重要课题之一。与短期 负荷 粒子群优化算法是近十几年来兴起 的一种群 预测 比较 ，中长期预测 由于时间间隔长 ，经济 、政 智能优化算法，有着参数少、收敛速度快、全局搜索 治、气候因素影响较大 ，且历史数据少 ，不易找出良 能力强等优点 ，已被广泛应用于各个领域_8 。本 好的分布规律 。利用传统的