改进的遗传灰色RBF模型的短期电力负荷预测.pdfVIP

第5l卷 第5期 电测与仪表 V01．51NO．5 2014年 3月 10日 ElectricaiMeasurement Instrumentafion M ar．10。2014 改进的遗传灰色 RBF模型的短期电力负荷预测 张毅，姜思博，李铮 (东北电力大学 经济管理学院，吉林 吉林 132012) 摘要：为了在智能电网环境下提高短期电力负荷预测的精度，提出了一种考虑实时电价影响的遗传算法改进的 灰色RBF模型。该方法利用灰色模型可以减弱数据随机性以及RBF神经网络的高度非线性的优点，弱化实时 电价对短期电力负荷预测的影响，针对两种方法结合容易陷入局部最优和收敛性问题，采用遗传算法对网络进 行了优化，得到最终预测结果。实例验证表明，与灰色 RBF预i贝0方法相比，该方法具有更高的负荷预测精度和 较强的适应能力。 关键词：智能电网；短期负荷预测；实时电价；遗传算法；神经网络 中图分类号：TM715 文献标识码 ：A 文章编号：1001—1390(2014)05—0001—04 A GrayRBFM odelImprovedbyGeneticAlgorithm forShort·Term LoadForecasting ZHANGYi，JIANGSi—bo，LIZheng (SchoolofEconomicsandManagement，NortheastDianLiUniversity，Jilin132012，Jilin，China) Abstract：Inordertoimproveshort—term loadforecastingaccuracyofthesmartgrid，thispaperproposesagrayRBF modelimprovedbygeneticalgorithm ，whichconsiderstheinfluenceofreal—timeelectricitypricing．Thismethodde— clinestheinfluenceofreal--timepricingon short--term load forecastingusingthe characteristicsthatgraymodelcan weakendatarandomnessandRBFneuralnetworkishighlynonlinear．Consideringtheproblem oflocaloptimum and convergence，thepaperusesgeneticalgorithm fornetoptimization toobtainthefinalprediction result．Experiment showsthatthismethodhashigherprecisionandstrongeradaptationabilitythangrayRBFmodelprediction． Keywords：smartgrid，short—temr loadforecasting，real-timepricing，geneticalgorithm，neuralnetwork 0 引 言 如：负荷的输入和输出间是呈非线性关系，运用以上 随着技术的进步与电力市场的改革，适应未来 方法很难找到理想的数学模型，且无法很好建立负 可持续发展的智能电网应运而生，智能电网强调互 荷和其各影响因素之问关系表达式；预测模型缺乏 动，体现在 电网与用户间信息上的互动…。用户通 自学习能力以及预测准确度不高。现代预测方法包 过某种 “途径和手段”获得电网公司的信息，包括实 括人工神经网络 -4j、系统法 j、模糊数学法 j、小 时电价、供需形势等，从而实现科学合理用 电，减少 波分析法_7J、灰色系统预测法 等。其中，人工神经 用电成本 ，从而有效减少了负荷的峰谷差。