基于改进蚁群神经网络的短期负荷预测.pdfVIP

第32卷第5期 四 川 电 力 技 术 V0】．32。No．5 2009年 1O月 SichuanElectricPowerTechnology Oct．。2009 基于改进蚁群神经网络的短期负荷预测 周 曲，邱晓燕 (四川大学电气信息学院，四川 成都 610065) 摘 要：在传统神经网络负荷预测的基础上，采用蚁群算法优化神经网络的权值，同时再用模糊逻辑对影响负荷的随 机因素进行修正，提 出了改进的蚁群神经网络算法 对四川某500kV变电站进行短期 负荷预测，结果表明这一算法 能获得较高的预测精度，是一种行之有效的短期负荷预测方法。 关键词：短期负荷预测；蚁群算法；BP神经网络；模糊逻辑 Abstract：BasedonthetraditionalNN (neuralnetwork)loadprediction，antcolonyalgorithm isusedtooptimizetheweights ofNN．Then，thefuzzylogicisusedtomodifytherandom factorwhichinfluencestheload，andanantcolonyneuralnetwork (ACONN)algorithm isproposed．Practicalexampleindicatesthattheapplicationisfeasibleandeffective，whichcanobtain moreaccurateresultthantheconventionalmethods． Keywords：short—termloadforecasting；antcolonyalgorithm；BPneuralnetwort[；fuzzylogic 中图分类号 ：TM714 文献标志码 ：A 文章编号：1003—6954(2009)05—0058—04 将其运用于电力系统短期负荷预测。 0 引 言 1 蚁群优化算法的基本原理 电力系统短期负荷预测是调度中心制订发 电计 划及发电厂报价的依据，也是能量管理系统 (EMS) 蚁群优化算法 (ACO) 是受到蚂蚁群搜索食物 的重要组成部分，对电力系统的运行、控制和计划都 过程的启发而产生的，通过对蚂蚁群行为的研究，发 有着非常重要的影响。 现蚂蚁个体行为虽然非常简单，但 由简单个体所组成 目前电力系统短期负荷预测方法大致可以分为 的群体却表现出极其复杂的行为。蚂蚁个体之间通 两类…。一类是以时间序列法为代表的传统方法， 过一种称之为外激素的物质进行信息传递，即蚂蚁在 例如时间序列法、回归分析法、状态空间法等，这些方 运动过程中在它所经过的路径上撒播该种物质；而且 法算法简单，速度快，应用广泛，但由于电力负荷变化 蚂蚁能够通过感知这种物质来指导它们运动方 向。 受天气情况 (如季节更替、天气因素突然变化等)和 因此，由大量蚂蚁组成的蚁群的集体行为便表现出一 人们的社会活动 (如重大文体活动、节假 日等)等因 种信息正反馈过程：即某一路径上走过的蚂蚁越多， 素的强烈影响，存在大量非线性关系，使得这些方法 则后来者选择该路径的概率就越高。蚂蚁个体之间 的模型很难准确描述预测负荷的实际，故精度较差。 就是通过不断的信息交流来实现搜索食物的目的，为 另一类是以人工神经网络 为代表 的新型人工智 清晰起见 ，该过程可以用 图1来描述 J。 能方法，该算法具有很强的记忆能力、非线性映射能 力以及强大的自学习能力，因而能够迅速地拟合出负 荷变化曲线。然而网络的训练通常是一个复杂的大 规模优化问题，随着训练样本集和网络