基于PSO_BP混合算法的短期电力负荷预测.pdfVIP

基于PSO-BP混合算法的短期电力负荷预测 田 丽，等 基于PSO-BP混合算法的短期电力负荷预测 田 丽，夏新运，蒋 慧，张淑芳 （安徽工程科技学院安徽省电气传动与控制重点实验室 安徽芜湖，241000） 摘 要：将粒子群优化算法和BP神经网络算法相结合,形成粒子群-神经网络(PSO-BP)混合算法,建立了涉及各 种影响因素的短期负荷预测模型。运用所建立的PSO-BP混合算法和BP算法的负荷预测模型进行短期负荷预测,比 较所得结果可知,PSO-BP混合算法预测精度较高,效果较好。 关键词：粒子群；PSO-BP混合算法；短期负荷；预测 Abstract : In this paper, a mixed PSO-BP algorithm is formed, which is the combination of PSO and BP neural network. Then, a short- term load forecasting model involving various influencing factors is built. The short-term load forecasting of power system is performed using the mixed PSO-BP algorithm and BP algorithm. The simulation results indicate that this method has favorably high predicting precision. Key words: PSO ; Mixed PSO-BP algorithm ; Short-term load ; Forecasting 中图分类号：TP18；TM714 文献标识码：A 文章编号：1001-9227(2009)02-0040-03 0 引 言 粒子而运动，并经逐代搜索最后得到最优解。在每一代 电力系统短期负荷预测是电力系统调度运营和用电 中，粒子将跟踪2个极值：（1）粒子本身迄今找到的最 服务部门的重要日常工作之一。它关系到电力系统的调 优解，代表该粒子自身对寻优方向的认知水平；（2）全 度运行和生产计划，其预测精度的高低直接影响到电力 种群迄今找到的最优解，代表社会认知水平。 系统运行的安全性、经济性和供电质量。它的特点主要 设第 个粒子位置为 ，其位移为 有：要预测的数据个数多、影响预测的因素复杂且具有 。它的个体最优值点为 ， 随机性和预测精度要求高等。随着电力市场的建立和发 种群的全局最优值点为 。 展，短期负荷预测已成为电力系统管理现代化的重要内 按追随当前最优粒子的原理，粒子x i 将按式（1）和 容之一。 式（2）改变位移方向和步长。 负荷预测的核心问题是如何选取合适的预测方法， （1） 即如何建立适用于所研究地区的负荷预测的数学模型。 （2） 随着现代科学技术的不断发展，负荷预测的研究也在不 式中， =1,2,…,N；d=1,2,…,D；N为向量的个数； 断深化，各种各样的预测方法不断涌现，从经典的统计 D为向量的维数；t为进化代数； 为惯性权值，通常随 分析方法到现代的智能算法，使得负荷预测的精度得到 进化代数从0.9线性递减至0.4；r和r为分布于[0,1]之间