电力负荷预测之基因表达编程应用研究.docVIP

　　电力负荷预测之基因表达编程应用研究 第 1 章 绪论 1.1选题意义 由于能源的不可再生性，使得电能工业的地位也愈加成为衡量国民经济的重要基础。如何在相对落后的电能技术背景下，合理高效地利用电能成为电能管理系统中重要的一部分。电力系统组成部分是由发电、输电、配电及相关辅助设备。电力负荷预测工作对电力系统的发展和研究有着至关重要的意义，在电力规划管理和调度中发挥着重大的作用，电力负荷预测有两层含义：一、对未来电能需求功率的预测和未来电能实际用电量(能量)的预测。电力需求量的预测实质为可用发电容量，其中可用融入发电、输电、配电系统新增容量的大小；电能预测从另一方面可用决定如调峰机组、基荷机组等发电设备的选用类型，并为发输电设备的协调运作提供数据支持，尽可能对能量利用区域发电和耗电的平衡。电力系统负荷预测的结果从某种程度上可用反映当前负荷的利用和发展状况，是安全、可靠供电的依据，另外通过预测结果对电力生产部门和管理部门拟定区域性的生产计划和发展规划等一系列相关举施提供依据。包括为年最大供用电量、时间性的用电规划总发展、年用电量总负荷规划[1-5]。从电能实际生产和运行过程看，负荷在经济运行、实时调度、负荷管理、安全性分析和电力发展规划性均有重大意义。电力负荷预测的准确率水平，对用电量的管理，电网的运行方式和电力工作人员检修工作均体现其不可或缺的作用，高效，精确的电力系统负荷预测工作不仅对社会和经济带来效益，同时也是保障电力系统稳健奔向现代化的重要手段[2]。目前，随着科学技术水平的日益发达，电力负荷预测模型的建立方法和手段也层出不穷，各式各样的的负荷预测模型已被学者广泛提出，从以往的单耗法、运用统计学进行负荷预测研究的方法，到基于软计算和智能模型基础下提出的单一预测法，如人工神经网络法、时间序列法、模拟退火法、支持向量机法、灰色系统理论法以及以模糊数学为基础的模糊逻辑预测法，当前，单一的预测方法存在其自身的不足，已经难以满足当代复杂变化的负荷预测对精度的要求，所以上述人工智能技术发展起来的单一模型的优选组合模型法已逐渐成为电力系统负荷预测研究方法中的主要方向之一。 1.2国内外研究现状 电力负荷预测的理论工作已经有了二十年的的研究历史，同时，国内外相关研究学者也已积累了许多宝贵经验，其中不乏凝聚了不少经济实用的常规预测方法。负荷预测从的间的期限上可分为短期、中期和长期预测。其中，中、长期负荷预测方法有：单耗法、统计学的研究方法(如回归分析法、比例系数增长法)和人工神经网络法(ANN)。短期负荷预测方法则有：时间序列法、卡尔曼滤波法、人工神经网络法、模拟退火法、支持向量机法、灰色系统理论法、模糊数学为基础的模糊理论预测法、专家系统法、混沌理论法以及小波分析法及以上单一预测方法的组合分析法等。由于在实际预测过程中，历史负荷数据具有复杂性和随机性，电力负荷数据会产生较大的偏差。上述各类预测方法也存在各自的优缺点，现介绍下建模中的几类方法：目前，基于计算智能技术成为当前电力负荷预测建模研究的热点。基于神经网络计算因其具有很好的自适应与自学习能力成立负荷预测建模研究最为常见的方法，其模型适用性与预计精度均有显著提高[10-12]。目前，研究和应用最多的有KOHONEN 自组织特征映射神经网络、BP 神经网络、RBP 神经网络和 Hopield 神经网络四项基本模型和它们改进的模型[13]。1992 年 Karunanithi 等[14]首次将神经网络(Artificial Neural Net 模型、S- 模型，用于电力负荷短期预测时，虽削弱了对历史数据样本的需求，精简了理论上的处理，预测精度亦可达到一定要求，但不能有效反映负荷周期性变化，使得数据离散程度较大，预测精度下降，不宜预测的长期应用。而 G-O 模型没有考虑到缺陷等级以及缺陷可能被执行到的概率，假设每个缺陷均等的被检测到，这也与实际情况不相符合。这些假设的局限性，成为了制约模型广泛应用的瓶颈。目前，电力系统工程界对预测模型选择有的诸多疑虑，也多半来自于对模型的选择。随着仿生技术和人工智能在电力负荷预测理论得到的广泛应用和突破，必然促使电力负荷预测建模理论的发展。 第 3 章 基因表达式编程的神经网络优化设计........ 15 3.1 进化计算概要....... 15 3.1.1 遗传算法 GA ..... 16 3.1.2 遗传编程 GP ...... 18 3.2 标准基因表达式编程 GEP ...... 22 3.3 改进的 GEP ..... 31 3.3.1 标准 GEP 局限性分析...... 31 3.3.2 多样性策略思想 ..... 32 3.3.3 改进算法 ....... 33 3.3.4 改进算法形式化描述 ....... 34 3.3.5 多样性策略