布谷鳥優(yōu)化算法電力負(fù)荷預(yù)測(cè)優(yōu)化模型

提出了一種基于云模型的電力負(fù)荷預(yù)測(cè)模型.利用云模型中的云發(fā)生器,分別將有限的國(guó)民生產(chǎn)總值和工業(yè)生產(chǎn)總值的增長(zhǎng)率和增長(zhǎng)變化率樣本數(shù)據(jù)空間擴(kuò)充為更具隨機(jī)性和普遍性的擴(kuò)展樣本數(shù)據(jù).以國(guó)民生產(chǎn)總值為例,建立國(guó)民生產(chǎn)總值與電力負(fù)荷之間的規(guī)則推理,構(gòu)造云規(guī)則推理器.利用云規(guī)則推理器獲得電力負(fù)荷預(yù)測(cè)增長(zhǎng)率,將國(guó)民生產(chǎn)總值和工業(yè)生產(chǎn)總值獲得的電力負(fù)荷預(yù)測(cè)增長(zhǎng)率進(jìn)行加權(quán)平均,并換算得到最終的電力負(fù)荷預(yù)測(cè)值,獲得的預(yù)測(cè)結(jié)果精度高.

支持向量機(jī)svm作為機(jī)器學(xué)習(xí)方法之一,有數(shù)據(jù)分類以及數(shù)據(jù)回歸兩種用途,支持向量機(jī)的回歸能應(yīng)用于預(yù)測(cè)領(lǐng)域.本文應(yīng)用svm方法來建立電力負(fù)荷預(yù)測(cè)模型,首先以歷史負(fù)荷、天氣、日期類型作輸入數(shù)據(jù),然后對(duì)數(shù)據(jù)進(jìn)行歸一化處理,再利用svm構(gòu)建預(yù)測(cè)模型,svm在負(fù)荷預(yù)測(cè)方面具有較高的可信度與精準(zhǔn)度.

針對(duì)小樣本數(shù)據(jù),提出基于gm(1,1)模型進(jìn)行電力負(fù)荷預(yù)測(cè)模型,并通過實(shí)例表明該模型在電力負(fù)荷預(yù)測(cè)中的可行性;開發(fā)了基于gm(1,1)模型的電力負(fù)荷預(yù)測(cè)系統(tǒng),實(shí)現(xiàn)了在實(shí)際工作中所要求的數(shù)據(jù)錄入、查詢、分析和預(yù)測(cè)功能。

提出了一種基于云模型的電力負(fù)荷預(yù)測(cè)模型。利用云模型中的云發(fā)生器,分別將有限的國(guó)民生產(chǎn)總值和工業(yè)生產(chǎn)總值的增長(zhǎng)率和增長(zhǎng)變化率樣本數(shù)據(jù)空間擴(kuò)充為更具隨機(jī)性和普遍性的擴(kuò)展樣本數(shù)據(jù)。以國(guó)民生產(chǎn)總值為例,建立國(guó)民生產(chǎn)總值與電力負(fù)荷之間的規(guī)則推理,構(gòu)造云規(guī)則推理器。利用云規(guī)則推理器獲得電力負(fù)荷預(yù)測(cè)增長(zhǎng)率,將國(guó)民生產(chǎn)總值和工業(yè)生產(chǎn)總值獲得的電力負(fù)荷預(yù)測(cè)增長(zhǎng)率進(jìn)行加權(quán)平均,并換算得到最終的電力負(fù)荷預(yù)測(cè)值,獲得的預(yù)測(cè)結(jié)果精度高。

負(fù)荷預(yù)測(cè)是電力系統(tǒng)研究和電網(wǎng)規(guī)劃的重要組成部分。采用隱馬爾可夫模型,訓(xùn)練過程采用baum-welch算法,在matlab軟件上隱馬爾可夫模型進(jìn)行訓(xùn)練,得到負(fù)荷特性預(yù)測(cè)最優(yōu)模型,解碼預(yù)測(cè)過程采用viterbi算法,通過模型可預(yù)測(cè)下一年地區(qū)負(fù)荷特性。以廣東電網(wǎng)2011年至2016年負(fù)荷數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)對(duì)隱馬爾可夫模型進(jìn)行訓(xùn)練,并對(duì)2017年廣東典型日負(fù)荷率進(jìn)行預(yù)測(cè),仿真結(jié)果具有較優(yōu)的準(zhǔn)確性和計(jì)算效率。

方法的選擇對(duì)電力負(fù)荷預(yù)測(cè)結(jié)果至關(guān)重要,本文通過對(duì)x(1)(1)增加干擾因素β,實(shí)現(xiàn)對(duì)初始值的優(yōu)化,較已有研究文獻(xiàn)使用x(1)(n)+β方法更加便于理解,保持運(yùn)算前后一致,同時(shí),改進(jìn)背景值的設(shè)置。通過實(shí)例驗(yàn)證,此方法可以在負(fù)荷預(yù)測(cè)上得到很好的應(yīng)用,提高預(yù)測(cè)精度。

灰色系統(tǒng)是部分信息已知、部分信息未知的系統(tǒng)?；疑到y(tǒng)把一般系統(tǒng)理論、信息控制的觀點(diǎn)和方法延伸到社會(huì)、經(jīng)濟(jì)等廣義系統(tǒng)，灰色系統(tǒng)理論能更準(zhǔn)確地描述社會(huì)經(jīng)濟(jì)系統(tǒng)的狀態(tài)和行為。研究基于灰色系統(tǒng)理論的灰色預(yù)測(cè)模型，對(duì)社會(huì)經(jīng)濟(jì)系統(tǒng)預(yù)測(cè)具有重要的意義。由于用電負(fù)荷增長(zhǎng)情況受經(jīng)濟(jì)發(fā)展、產(chǎn)業(yè)機(jī)構(gòu)、氣候、居民收入水平等諸多因素的影響，其中有一些因素是確定的；而另外一些因素是不確定的，故可以把它看作一個(gè)灰色系統(tǒng)。

針對(duì)傳統(tǒng)灰色模型的建模機(jī)理和存在的局限性,提出了改進(jìn)方法,建立了新的電力負(fù)荷預(yù)測(cè)模型.通過實(shí)例計(jì)算表明,該模型具有良好的適用性和預(yù)性精度.

鑒于中長(zhǎng)期負(fù)荷預(yù)測(cè)受很多不確定因素的影響,各種預(yù)測(cè)方法都有其局限性的問題,在分析基本灰色模型及其傳統(tǒng)改進(jìn)模型在負(fù)荷預(yù)測(cè)中局限性的基礎(chǔ)上,提出了一種電力系統(tǒng)中長(zhǎng)期負(fù)荷預(yù)測(cè)的實(shí)用新方法——組合優(yōu)化灰色預(yù)測(cè)法.該預(yù)測(cè)法是一種對(duì)殘差改進(jìn)灰色模型(gm)和基于等維新息遞補(bǔ)預(yù)測(cè)法的改進(jìn)灰色模型進(jìn)行優(yōu)化的組合方法,能夠?qū)崿F(xiàn)在線預(yù)測(cè)模型參數(shù),滿足動(dòng)態(tài)電力負(fù)荷能解決隨機(jī)干擾影響的要求,最終的預(yù)測(cè)結(jié)果誤差可基本控制在3%之內(nèi).經(jīng)過實(shí)例計(jì)算,組合優(yōu)化灰色預(yù)測(cè)模型用于中長(zhǎng)期電力負(fù)荷預(yù)測(cè),與傳統(tǒng)的系統(tǒng)理論方法相比較,該方法計(jì)算簡(jiǎn)捷,預(yù)測(cè)精度高,具有很好的實(shí)用性.

論述了用優(yōu)化灰色理論進(jìn)行電力系統(tǒng)中長(zhǎng)期負(fù)荷預(yù)測(cè)的建模過程．通過對(duì)原始負(fù)荷數(shù)據(jù)的預(yù)處理，把有起伏特性的原始數(shù)據(jù)序列變成規(guī)律性強(qiáng)的序列，再利用改進(jìn)的ｇｍ（１，１）模型進(jìn)行預(yù)測(cè)，可以大大提高預(yù)測(cè)精度和灰色方法的適用范圍，而且簡(jiǎn)捷實(shí)用．經(jīng)實(shí)際算例校核證明，該方法可以作為中長(zhǎng)期電力負(fù)荷預(yù)測(cè)的理想工具．

文章分析了影響電力負(fù)荷的因素,對(duì)現(xiàn)存的短期電力負(fù)荷預(yù)測(cè)方法進(jìn)行了研究,采用粒子群算法對(duì)支持向量機(jī)進(jìn)行參數(shù)尋優(yōu),建立了基于粒子群優(yōu)化的預(yù)測(cè)模型,并對(duì)短期電力負(fù)荷進(jìn)行預(yù)測(cè)仿真,為精準(zhǔn)且快速地預(yù)測(cè)短期電力負(fù)荷提供了有效的方法。通過實(shí)例分析驗(yàn)證了該模型在電力負(fù)荷中的預(yù)測(cè)精度,結(jié)果顯示其精度值較高。

精確的年電力負(fù)荷預(yù)測(cè)為電力建設(shè)和電網(wǎng)運(yùn)行提供可靠的指導(dǎo)。受多種因素的影響,年電力負(fù)荷曲線呈現(xiàn)出非線性特性,因此年電力負(fù)荷預(yù)測(cè)問題的解決需要建立在非線性模型的基礎(chǔ)之上。廣義回歸神經(jīng)網(wǎng)絡(luò)（grnn）已被證明在處理非線性問題上是非常有效的。該網(wǎng)絡(luò)只有一個(gè)擴(kuò)展參數(shù),如何確定適當(dāng)?shù)臄U(kuò)展參數(shù)是使用grnn進(jìn)行預(yù)測(cè)的關(guān)鍵點(diǎn)。提出了一種將多種群的果蠅優(yōu)化算法（mfoa）和grnn相結(jié)合的混合年電力負(fù)荷預(yù)測(cè)模型,用以解決上述問題。其中,mfoa用作為grnn電力負(fù)荷預(yù)測(cè)模型選擇適當(dāng)?shù)臄U(kuò)展參數(shù)。最后通過模擬實(shí)驗(yàn)數(shù)據(jù)分析,mfoa-grnn模型的年電力負(fù)荷預(yù)測(cè)平均絕對(duì)百分比誤差為0.510%,均方誤差為0.281。并且將其結(jié)果與差分進(jìn)化的支持向量機(jī)模型（de-svm）、粒子群優(yōu)化的grnn模型（pso-grnn）、以及果蠅優(yōu)化的grnn模型（foa-grnn）的預(yù)測(cè)結(jié)果進(jìn)行了比較。最終得出,文中所提出的mfoa-grnn模型在年電力負(fù)荷預(yù)測(cè)中的預(yù)測(cè)性能優(yōu)于上述3種模型。

基于正交設(shè)計(jì)和灰色系統(tǒng)理論,提出一種預(yù)測(cè)年電力負(fù)荷的新方法。采用新陳代謝技術(shù)和加權(quán)最小二乘參數(shù)辨識(shí)法對(duì)標(biāo)準(zhǔn)gm(1,1)模型進(jìn)行改進(jìn)。以背景值系數(shù)α、建模所需數(shù)據(jù)個(gè)數(shù)m和加權(quán)參數(shù)q作為可控因素,根據(jù)專家經(jīng)驗(yàn)設(shè)計(jì)了三因素三水平正交表。以平均絕對(duì)百分比誤差為輸出目標(biāo),通過信噪比分析,得出最優(yōu)參數(shù)水平組合,并通過方差分析,進(jìn)一步得出各可控因素對(duì)預(yù)測(cè)效果的影響程度。對(duì)2個(gè)電網(wǎng)的負(fù)荷進(jìn)行預(yù)測(cè),結(jié)果驗(yàn)證了所提方法的可行性和有效性。

中長(zhǎng)期電力負(fù)荷預(yù)測(cè)是規(guī)劃的前提和基礎(chǔ)。以建立線性回歸模型來科學(xué)預(yù)測(cè)電力負(fù)荷在未來的變化趨勢(shì)及狀態(tài)，通過算例分析，得出利用線性回歸模型進(jìn)行電力學(xué)系統(tǒng)中長(zhǎng)期負(fù)荷預(yù)測(cè)取得令人滿意的效果。

負(fù)荷預(yù)測(cè)效果直接影響電網(wǎng)的安全穩(wěn)定和經(jīng)濟(jì)效益,是電網(wǎng)調(diào)度的重要組成內(nèi)容。針對(duì)極限學(xué)習(xí)機(jī)隨機(jī)產(chǎn)生輸入層權(quán)值和隱含層閾值導(dǎo)致網(wǎng)絡(luò)模型不穩(wěn)定的問題,提出了一種基于改進(jìn)遺傳算法優(yōu)化極限學(xué)習(xí)機(jī)的負(fù)荷預(yù)測(cè)方法。利用爬山法改進(jìn)的遺傳算法對(duì)極限學(xué)習(xí)機(jī)的權(quán)值和閾值進(jìn)行優(yōu)化,以獲得穩(wěn)定性強(qiáng),預(yù)測(cè)精度高的優(yōu)化模型。并將此模型與bp網(wǎng)絡(luò)、極限學(xué)習(xí)機(jī)的預(yù)測(cè)結(jié)果進(jìn)行對(duì)比,仿真實(shí)驗(yàn)結(jié)果表明,改進(jìn)模型具有較快的訓(xùn)練速度和更為準(zhǔn)確的預(yù)測(cè)結(jié)果,適應(yīng)于影響因素眾多,數(shù)據(jù)量巨大的現(xiàn)代短期電力負(fù)荷預(yù)測(cè)。

利用標(biāo)準(zhǔn)bp神經(jīng)網(wǎng)絡(luò)建立短期電力負(fù)荷預(yù)測(cè)模型,其算法存在最終解過于依賴初值和過學(xué)習(xí)現(xiàn)象,并且訓(xùn)練過程中存在局部極小問題且預(yù)測(cè)精度低等缺點(diǎn)。為了提高電力負(fù)荷模型的預(yù)測(cè)精度,通過閱讀相關(guān)文獻(xiàn),構(gòu)建了基于改進(jìn)bp神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)模型,該模型采用遺傳算法對(duì)權(quán)值和閾值進(jìn)行初始化,以相對(duì)誤差和附加動(dòng)量法相結(jié)合的方式去計(jì)算權(quán)值修正量。比較改進(jìn)后的bp算法和標(biāo)準(zhǔn)bp算法在短期電力負(fù)荷預(yù)測(cè)的效果,從實(shí)驗(yàn)仿真的效果表明改進(jìn)后的模型提高了預(yù)測(cè)精度。

為提高電力系統(tǒng)短期負(fù)荷預(yù)測(cè)的精度,引入一種新型的群智能方法——粒子群優(yōu)化算法,并將這種智能算法與bp算法相結(jié)合,形成了粒子群優(yōu)化bp算法模型,建立了計(jì)及氣象因素的短期負(fù)荷預(yù)測(cè)模型.通過具體算例將此模型與單純的bp模型進(jìn)行比較,結(jié)果表明:該算法具有較高的預(yù)測(cè)精度,完全能滿足實(shí)際工程的要求.

基于單項(xiàng)預(yù)測(cè)模型進(jìn)行電網(wǎng)負(fù)荷預(yù)測(cè)已不能適應(yīng)當(dāng)前電網(wǎng)管理的要求。組合預(yù)測(cè)模型在很大程度上能夠彌補(bǔ)單一預(yù)測(cè)方法的片面性,但在組合模型中固定負(fù)荷預(yù)測(cè)方法也存在預(yù)測(cè)不準(zhǔn)確、可信度低等一系列問題。本文在電力負(fù)荷預(yù)測(cè)系統(tǒng)中引入動(dòng)態(tài)組合的思想,通過自動(dòng)篩選預(yù)測(cè)方法、動(dòng)態(tài)配置權(quán)重,構(gòu)建最優(yōu)組合預(yù)測(cè)模型。實(shí)踐證明,該組合預(yù)測(cè)方法比單個(gè)預(yù)測(cè)方法具有更高的預(yù)測(cè)準(zhǔn)確性。

以忻州市1994~2004年用電量數(shù)據(jù)為例介紹了灰色預(yù)測(cè)技術(shù)在電力系統(tǒng)中的應(yīng)用,并與忻州市1994年至2004年工農(nóng)業(yè)生產(chǎn)總值(不變價(jià))和同期用電量數(shù)據(jù)建立的一元線性回歸模型預(yù)測(cè)結(jié)果進(jìn)行了對(duì)比分析,進(jìn)一步說明了灰色模型預(yù)測(cè)具有較高的置信度和應(yīng)用價(jià)值。

通過對(duì)電力負(fù)荷變化規(guī)律和影響因素的分析,提出了一種新的短期電力負(fù)荷預(yù)測(cè)模型。首先利用混沌理論將雜亂無章的歷史數(shù)據(jù)進(jìn)行相空間重構(gòu),找出其中的潛在規(guī)律,并粗選預(yù)測(cè)參考點(diǎn);然后利用蟻群優(yōu)化算法,考慮距離因素和相點(diǎn)演化的相關(guān)性因素,對(duì)粗選的預(yù)測(cè)參考點(diǎn)作進(jìn)一步精選,提高其質(zhì)量;最后采用gm(1,1)灰色模型得到預(yù)測(cè)日的負(fù)荷數(shù)據(jù)。實(shí)際算例驗(yàn)證了提出的方法具有較好的預(yù)測(cè)精度。

針對(duì)時(shí)間因素、季節(jié)因素和隨機(jī)因素對(duì)短期電力負(fù)荷的影響,以某一地區(qū)電力負(fù)荷歷史數(shù)據(jù)為基礎(chǔ),利用模糊推理算法對(duì)短期電力負(fù)荷進(jìn)行預(yù)測(cè),實(shí)現(xiàn)電力負(fù)荷短期預(yù)測(cè)值的自適應(yīng)調(diào)整,實(shí)時(shí)保證電力系統(tǒng)的供需平衡。對(duì)本地區(qū)進(jìn)行短期電力負(fù)荷預(yù)測(cè)仿真試驗(yàn),試驗(yàn)結(jié)果表明,使用模糊推理算法的短期電力負(fù)荷預(yù)測(cè)系統(tǒng)具有較高的準(zhǔn)確度。

討論了灰色模型gm(1,1)及其改進(jìn)模型在短期電力負(fù)荷預(yù)測(cè)中的應(yīng)用,提出了適合電網(wǎng)普通日及特殊日電力負(fù)荷預(yù)測(cè)的數(shù)據(jù)處理方法,提高了預(yù)測(cè)的精度。