BF的电力系统短期负荷预测.PDFVIP

维普资讯 第 36卷 第 18期 电力 系统保护与控制 V_o1．36No．18 2008年9月16日 PowerSystem ProtectionandControl Sep．16，2008 基于QPS0 一 RBF的电力系统短期负荷预测 田 书 ，刘团结 ，胡艳丽 ，程传平 (1．河南理工大学电气工程及 自动化学院，河南 焦作 454000；2．新乡起重设备厂有限责任公司，河南 新乡 453000) 摘要：针对径向基函数 (RBF)网络在电力系统短期负荷预测中存在的问题，提出一种量子粒子群优化 (QPSO)算法训练 RBF网 络的方法，在确定网络隐含层节点个数后，将RBF网络各个参数编码成学习算法中的粒子个体进行优化，由此可在全局空间中 搜索最优适应值的参数。用优化后的网络进行负荷预测，结果表明，该方法与传统的负荷预测方法相比，减少了训练时间并 提高了预测精度，具有较好的应用前景。 关键词：电力系统； 负荷预测； 径向基函数； 量子粒子群算法 Short-term electricpowerloadforecastingbasedonQPSO RBF — TIANShu，LIUTuan-jie，HUYan—li，CHENGChuan—ping (1．SchoolofElectricalEngineeringAutomation，HenanPolytechnicUniversityJiaozuo454000．China； 2．XinxiangHoistingEquipmentFactoryCo．Ltd，Xinxiang453000， China) Abstract： Accordingtotheproblemsofradialbasisfunction (RBF)networkinelectricsystem shortterm loadforecasting，this paperputsforwardamethodthatquantum—behavedswarl~optimization(PSO)algorithm trainRBFneuralnetwork．Afterconfirmed thenumberofnodesinhiddenlayer，allnetworkparametersraecodedtoindividualparticlestooptimizelearningalgorithm． Then，the praametercansearch optimal—adaptivevalueinglobalspace．Usinghteoptimizednetworktoloadforecastresultproveshtatthis methodnotonlyreducesthetrainingtimebutalso improvestheprecisionofpredictionthantraditionalnetworkalgorithm． So it possessesbestpotentialapplicationinthefieldofshort—term 1oadforecasting． Thisprojectissupported by hteNationalNaturalScienceFoundation ofhteEducation DepartmentofHenan Province(No． Key words： electric power system ； load forecast； radialbase function； quantum