基于量子行为粒子群优化算法-混沌神经网络的电力系统负荷预测.pdfVIP

第 33卷 第6期 电 工 电 能 新 技 术 Vo1．33．NO．6 2014年 6月 AdvancedTechnologyofElectricalEngineeringandEnergy Jun．2014 基于量子行为粒子群优化算法一混沌神经网络的 电力系统负荷预测 王冰 山 ，周步祥 ，肖 贤 ，林 楠 (1．四川大学电气信息学院，四川 成都 610065；2．四川电力职业技术学院，四川 成都 610071) 摘要 ：提 出了一种基于量子行为粒子群优化算法和混沌神经网络相结合的电力系统 负荷预测方 法。根据粒子群的量子行为特征 ，采用全 同粒子 系更新粒子的位置 ，改善传统的粒子群算法精度 低、易发散 、收敛速度慢等缺点。利用粒子群优化算法优化 出混沌神经网络的权值和 闽值 ，克服混 沌神经网络参数确定难度大、速度慢的缺点。然后利用得 到的权值和 阈值 ，通过改进粒子群优化算 法一混沌神经网络模型，得到预测 日的相应时刻负荷值。最后通过实际应用 ，证明该方法有较高的 预测精度和较好的准确性 ，具备一定的实际应用价值 。 关键词 ：量子行 为；粒 子群；全 同粒子；混沌神经网络 ；负荷预测 中图分类号：TM715 文献标识码 ：A 文章编号 ：1003—3076(2014)06～0007—06 子历史最优值。虽然也改善了粒子多样性 ，但这种 l 引言 方法是以显著增加计算量和牺牲系统 内存为代价 ； 电力系统负荷预测是 电力系统调度 、规划 、供电 文献 [4]使用 PSO算法优化基函数 中心和宽度 ，再 等管理部门的基础工作，准确 、有效 的负荷预测不仅 用最小二乘法确定隐含层与输 出层问的权值，最后 可以合理安排电网内部机组 的启停 、保持电网安全 将改进算法应用于时问序列的预测中。但该方法初 稳定地运行 ，还可以减少一些不必要的储备容量，合 始粒子群随机产生，会导致算法收敛速度 的不确定 理安排检修计划 ，从而保证 了正常的生产 ，有利于经 性，降低算法的平均收敛速度 ；文献 [5]采用混沌神 济效益和社会效益的提高…。过去 的几十年来 ，国 经网络对短期负荷进行预测，但是仅运用混沌时间 内外学者将各种预测方法和模型运用到电力系统短 序列分析作为神经网络 日峰值预测模型选择最佳嵌 期负荷预测中，使预测精度得到 了很大的提高。文 入维数和延迟时间的必要理论依据 ，其不足之处是 献[2]把粗糙集和神经网络结合建立短期负荷预测 仅局限于日峰负荷预测，同时对于混沌 网络的权值 模型，采用粗糙集理论对各种影响负荷预测 的因素 和阈值的确定较为困难且速度慢。 变量进行识别 ，以此确定预测模型的输入变量 ；在此 本文采用量子化粒子群算法不仅通过全同粒子 基础上通过属性约简和属性值约简获得推理规则 系改善了初始种群的质量，而且通过对粒子的全局 集 ，再以这些推理规则构筑神经网络预测模型，并采 最优值与粒子的局部最优值 的比较 ，限制粒子陷入 用附加动量项的 BP学 习算法对 网络进行优化 ，但 局部最小搜索状态 ，提高粒子的局部搜索能力 ，节省 是该方法没有对工作 日和休息 日的负荷预测加以区 了搜索时间，使粒子能够快速地搜索到最佳位置 ，从 分，预测精度不够 ；文献 [3J采用改进的粒子群算法 而增强了算法的局部寻优能力和收敛速度及计算精 和 BP神经网络结合 ，提 出了在算法迭代过程 中，每 度 ；利用优化后的粒子群算法确定混沌神经网络的 个粒子会额外生成与迭代 次数相同的粒子 ，