基于群体智能混合算法的研究与应用.pdfVIP

武昌理工学院学报 2011年第2期 第 6卷第 2期 总第2O期 基于群体智能混合算法的研究与应用 郭 健 (武昌理工学院 城市建设学院，湖北 武汉 430223) 摘 要：本文基于群体算法及模糊聚类分析方法，建立相应的预测模型，通过对电力负荷变化规律和影响因素 的分析，提 出了一种电力负荷预测模型。结果表明，该模型具有较高的预测精度。 关键词 ：群体算法；模糊聚类；预测模型；预测 中图分类号：TP301 文献标识码：A 1 前言 类别；然后对每一类别建立相应的神经网络预测模 型；预测时找出与预测天相符的预测类别，利用相 电力负荷预测是电力系统调度和计划部门安排 应的神经网络预测模型进行电力负荷预测，实践证 购电计划和制定运行方式的基础 ，它对于电力系统 明这种方法是有效的。 规划、运行与控制有着重要的意义。为了提高电网 但是传统的模糊聚类算法有易陷入局部最优 运行的安全性和经济性，改善供电质量 ，负荷预测 解，处理大量、高维的数据时，在时间性能上难以 需要尽可能高的预测精度。随着分时电价的市场化 令人满意的缺陷。蚁群算法是最近几年才提出的一 营运，精度高、速度快的预测理论和方法愈显重要 种新型的模拟进化算法，由意大利学者Dorigo，M 等 和迫切。 人首先提出，用蚁群在有哪些信誉好的足球投注网站食物源的过程中所体现 负荷预测已有很长的研究历史。早期的方法以 出来的寻优能力来解决一些离散系统优化中困难问 时间序列法、回归分析法为主Ⅲ，这类方法计算量小， 题。已经用该方法求解了旅行商问题、指派问题、 速度较快 ，但由于模型过于简单而无法模拟复杂多 调度问题等，取得了一系列较好的实验结果。本文 变的电力负荷。近年来，随着人工智能技术的迅猛 将蚁群算法引人此模型，用蚁群算法改进模糊聚类， 发展，灰色理论法口、神经网络法p、相似 日聚类 ， 并和神经网络组合 ，得到新型预测模型一AFCBP模 模糊聚类嘲在负荷预测领域得到广泛应用。它们较以 型，经实验证明得到 良好效果。 前的方法更能处理负荷和影响因素之间的非线形关 2 理论分析 系，因而得到了较高的预测精度。但他们有各 自的 缺点，灰色预测模型从理论上讲可以适用于任何非 2．1 蚁群算法优化理论 线性变化的负荷指标预测 ，但其微分方程指数解比 经过大量研究发现 ，蚂蚁个体之间是通过一种 较适合于具有指数增长趋势的负荷指标，对于具有 称之为外激素的物质进行信息传递，从而能相互协 其他趋势的指标 ，则拟合灰度大，精度难以提高。 作，完成复杂的任务。蚂蚁在运动过程中，能够在 利用神经网络进行电力负荷预测时，神经网络可以 它所经过的路径上留下该种物质 ，而且蚂蚁在运动 通过学习，从复杂的样本数据中拟合出输入输出之 过程中能够感知这种物质的存在及其强度 ，并以此 间高维、非线性的映射关系，从而进行较高精度的 指导 自己的运动方向，蚂蚁