基于混合粒子群算法的短期负荷预测模型.pdfVIP

维普资讯 第2o卷 第3期 电 力 系 统 及 其 自动 化 学 报 Vo1．20No．3 2008年 6月 ProceedingsoftheCSU—EPSA Jun． 2008 基于混合粒子群算法的短期负荷预测模型 王 波 ，邰能灵 ，翟海青 ，叶 剑 ，朱家栋。，漆梁波。 (1．上海交通大学电气工程系，上海 200240；2．上海市电力公司调度通信中心，上海 200035； 3．上海中心气象台，上海 200030) 摘要 ：由于 电力负荷 内在 的非线性特性 ，传统基于梯度搜索的参数辨识技术可能陷入局部最优 ，影响了预测 精度 ，故提出了混合进化和粒子群优化算法。将进化算法的基本思想引入粒子群优化算法，不但保持了粒子 群算法结构简单、易于实现的特点，而且充分发挥了进化算法的全局搜索能力，可有效提高算法的精度和收敛 速度 。对上海地 区电网进行短期负荷预测 ，与实际值相 比较 ，结果表明，该算法具有较高的预测精度 ，是一种 有效 的短期预测方法。 关键词 ：外源 自回归动平均 ；进化算法 ；粒子群优化 ；短期负荷预测 中图分类号：TM714 文献标志码 ：A 文章编号：1003—8930(2008)03-0050—06 HybridOptimizationM ethod Basedon EvolutionaryAlgorithm and ParticleSwarm Optimization forShort-term LoadForecasting WANG Bo ，TAINeng—ling ，ZHAIHai-qing。，YEJian。，ZHU Jia—dong。，QILiang—bo。 (1．DepartmentofElectricalEngineering，ShanghaiJiaoTongUniversity， Shanghai200240，China； 2．DispatchingandCommunicationCenterofShanghaiElectricPowerCompany， Shanghai200350，China； 3．ShanghaiMeteorologicCenter，Shanghai200030，China) Abstract：Owingtotheinherentnonlinearcharacteristicsofthepowersystem loads，solutionsofthegradient searchbasedtechniquemaystallatthelocaloptimalpoints，which lead tohigh forecastingerror．A hybrid method based on evolutionary algorithm and particleswarm optimization (HPSO)to identify the auto- regressive and moving average with exogenous variables (ARMAX) is proposed． HPSO introduces evolutionaryalgorithm into particleswarm optimization (PSO )，thuscan gethigherprecision and faster convergencespeed withoutchanging thestructure ofPSO ．Theproposed method hasbeen tested on the Shanghaipowersystem ，andtheresultsshow thattheproposedapproachcanachievegr