粒子群优化BP算法在短期负荷预测中的应用.pdfVIP

山东电力高等专科学校学报 Journal of Shandong Electric Power Collge 63 粒子群优化BP算法在短期负荷预测中的应用 Application of the PSO-BP Algorithm in Electric Power System Short——term Load Forecast 博忠云 南京航空航天大学金城学院 南京 21001 6 【摘要】电力系统短期负荷预测是电力系统调度运营和用电服务部门的重要曰常工作之一，其 预测精度直接影响到电力系统运行的安全性、经济性和供电质量。为提高预测精度，本文引入 一 种新型的群智能方法一一粒子群优化算法，并将这种智能算法与B P算法相结合，形成了粒 子群优化B P算法模型，建立了计及气象因素的短期负荷预测模型。通过具体算例将此模型与 单纯的B P模型进行比较，结果表明：该算法具有较高的预测精度，完全能满足实际工程的要 求。 【关键词】粒子群算法 B P模型 粒子群优化B P模型 短期负荷预测 【中图分类号】TM715 【文献标识码】A 0 引言 Eberhart提出的l5．61。粒子群优化算法中，每个优化 电力系统短期负荷预测是调度中心制订发电 问题的潜在解都是搜索空间中的一只鸟，称之为 计划及发电厂报价的依据，也是能量管理系统 “粒子”。所有的粒子都是一个由被优化的函数决定 fEMS)的重要组成部分，对电力系统的运行、控制和 的适应值(fitness value)，每个粒子还有一个速度决 计划都有着非常重要的影响，提高电力系统短期负 定他们飞翔的方向和距离。然后粒子们就追随当前 荷预测的精度，既能增强电力系统运行的安全性， 的最优粒子在解空间中搜索。粒子群优化算法初始 又能改善电力系统运行的经济性l】_ 。过去的几十年 化为一群随机粒子(随机解)。然后通过迭代找到最 来．国内外学者将各种预测方法和模型运用到电力 优解。在每一次迭代中，粒子通过跟踪两个“极值” 系统短期负荷预测中，使预测精度得到了很大的提 来更新自己。第一个就是粒子本身所找到的最优 高 本文引入一种新的人工智能算法——粒子群优 解，这个解称为个体极值点(用personal best，pb表 化算法，运用粒子群算法优化BP模型中的各参 示其位置)。另一个极值是整个种群目前找到的最 数．进而该模型进行短期负荷预测。 优解，这个解是全局极值点(用global best，gb表示 其位置)。另外也可以不用整个种群而只是用其中 1 粒子群算法及其改进[3，41 一 部分作为粒子的邻居，那么在所有邻居中的极值 粒子群优化算法是一种基于群智能(Swarm 就是局部极值。粒子群优化算法就是通过不断地对 Intelligence)方法的演化计算技术，其思想来源于 极值点的更新而实现的智能算法。 人_[生命和演化计算理论，最早是由Kennedy和 假设在一个Ⅳ维的目标搜索空间中，有 个 粒子组成一个群落，其中第m个粒子表一个Ⅳ维 作者简介：女，1980．09，硕士，助教。 64 傅忠云：粒子群优化BP算法在短期负荷预测中的应用 的向量 ( A )，m：1，2，A，M，即第m 的精度进行寻优。 个粒子在Ⅳ维的搜索空间中的位置是 。而每个