群智能算法与电力负荷预测研究.pdf

■■■■■,▲■群智能算法与电力负荷预测研究湖南大学博士学位论文学校代号:学密级:号:
.
矛辫湖南大学学位论文原创性声明学位论文版权使用授权书日期:出甏踉耭年本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权湖南大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。⒈C芸冢年解密后适用本授权书。⒉槐C茑颉朐谝陨舷嘤Ψ娇蚰诖颉啊法律后果由本人承担。作者签名:本学位论文属于年耹,
摘要电力负荷预测对于电力系统的建设和运行均有着极其重要的意义和作用。预测精度的高低直接影响着电力系统的安全运行和经济效益。本文从近年来广泛应用于电力负荷预测的群智能算法出发,研究和分析现有的群智能算法以及与之结合的预测模型。通过对算法和模型的改进,建立新的预测模型,并应用于实际的电力负荷预测,得到了预期的效果。本文主要研究的内容如下:芯苛街值湫偷娜褐悄芩惴ǎ毫W尤河呕惴和蚁群优化算法Mü圆煌呕姆治觯员攘肆秸叩挠诺愫筒蛔恪R粤W尤核惴为基础,并吸收模拟退火算法以及蚁群算法的思想对其进行改进,提出了两种改进群智能算法:和算法。比较改进的群智能算法、标准的粒子群算法和蚁群算法对不同函数的优化,表明改进的群智能算法具有一定的优越性和有效性。褐悄芩惴ê蜕窬缦嘟岷辖⑿碌脑げ饽P汀=褐悄芩惴ǚ直鸷、窬缃岷希萌褐悄芩惴ù鍮惴ㄓ呕窬绲娜ㄖ岛阈值,建立基于群智能算法优化的神经网络预测模型:甈琁琁,和Mü跃涞幕沌序列进行模拟仿真,验证了基于群智能算法的神经网络预测模型比传统的神经网络模型具有更快的收敛速度以及更高的预测精度。谐て诟汉稍げ舛缘缌ο低彻婊徒ㄉ杈哂兄匾5囊庖濉=褐悄芩惴ê灰色预测模型相结合建立基于群智能算法的灰色预测模型。利用群智能算法代替传统的最小二乘法直接求解灰色模型参数,避免了由于灰色模型在求解过程中因背景值的取值不当而带来的误差。通过对中长期电力负荷的预测,验证了基于群智能算法的灰色预测模型比传统的灰色预测模型具有更高的预测精度和更加广泛的适用范围。缌Ω汉啥唐谠げ夥椒ㄊ堑鼻把芯康娜鹊阄侍猓盗费镜慕⒎椒ㄓ朐测精度密切相关。分析和比较了多步预测和分步预测的优点和不足,结合两种方法的优点提出一种新训练样本建立方法。利用琁虷惴ㄓ呕纳窬络预测模型对某市实际的电力系统进行短期电力负荷预测,结果表明算法与新预测方法结合可获得更高的预测精度。治龊捅冉狭饲锛靖汉珊拖募靖汉傻奶氐悖橹ち饲锛疚露缺浠淮蟮那况下,负荷和温度之间无明显的相关性;而在夏季温度变化比较大的情况下负荷和温度之间具有明显的相关性。由此确定对秋季负荷进行预测时不引入温度因子,而对夏季负荷预测时则引入温度因子。对实际的电力系统进行短期电力负荷预测,博上学位论文。
对于秋季负荷不引入温度因子也可达到很高的预测精度,而对夏季负荷引入温度因子具有更高的预测精度,说明温度对夏季电力系统负荷的预测是不可忽视的因裳藕诺脑ご矶杂谔岣咴げ饩ǘ染哂刑厥獾囊庖濉Mü钣判〔ò解,将复杂的电力负荷序列分解成多个简单的、规律性强的负荷分量。分别对这些分量运用新的预测方法进行预测,在对夏季负荷低频分量进行预测时,引入实时温度因子,最后重构负荷序列得到最终预测结果,提高了预测精度。通过实例仿真,验证了该方法的可行性。关键词:群智能算法;粒子群优化;蚁群优化;电力负荷预测;小波分析;素。群智能算法与电力负荷预测研究