基于粒子群优化的电力负荷灰色预测模型.pdfVIP

第32卷第 1期 四 川 电 力 技 术 Vo1．32，No．1 2009年 2月 SichuanElectricPowerTechnology Feb．，2009 基于粒子群优化的电力负荷灰色预测模型 周在阳，周步祥 。师玉东。郑海滨 (四川大学 电气信息学院，四川 成都 610065) 1 fI】 摘 要：通过对 +n… = “的通解；”=ce +旦 的参数 。、H、c直接求解，避免 了灰微分方程参数辨识时选取 (L “ 合理背景值的问题，构建了适应性更强的不需构造 GM(1，1)模型的背詈值而直接求解灰微分方程参数的模型，并且 在求解这些参数的过程中，应用了在求解非线性问题中具有全局寻优能力的粒子群算法(PSO)。提出了基于粒子群 算法优化的电力负荷灰色预测模型PSOGM(1，1，n，u，c)，通过在电力负荷实例中的应用并与传统的GM(1，1)预测模 型进行了效果比较，验证 了基于粒子群算法优化的电力负荷 GM(I，1)模型具有很好的预测精度和适用性。 关键词：灰色模型；粒子群算法 (PSO)；电力负荷预测；背景值 Abstract：Anewmethodwhichisusedtosolvetheparametera，“andCofGM (1，1)isdiscussed．Fhenparticleswarm0p— timization isadoptedtosolvethevalueofa．¨andcasthisalgorithm hasthevirtueofoptimum —seekingandhigh—quality solution．Therefore，aGM (1，1，0，U，C)basedonPSOisfinallybuilt．AndtheresultofthetraditionalGM (1，1)corn— pareswiththeresultofthenewGM (1，1)mode1．ThepracticalexampleindicatesthattheGM (1，l，a，u，c)basedon PSO modelhasthe(：halaeteristicofbetterprecisionandwiderapplicationfield． Keywords：greymodel；particleswaF1TIoptimization(PSO)；powerloadforecasting；backgroundvalue 中图分类号：TM714文献标识码：B 文章编号：1003—6954(2009)O1—0032—04 负荷预测是供 电部 门的重要工作之一，准确的负 差之间存在明显的非线性关系，为使参数的求解最优 荷预测可以经济合理地安排电网内部发 电机组的启 化，采用具有全局寻优能力的粒子群算法 (PSO)求解 停 ，制订设备检修计划 ，编制 电网建设规划 ，保证社会 参数 a、“、C，并提出了基于粒子群优化的电力负荷灰 正常的生产、生活用 电，提高经济效益和社会效益 。 色预测模型 PSOGM(1，1，a，u，c)，这样就可以避免通 因此，对电网未来负荷变化趋势及幅度的精确预测是 过形成背景值求解参数产生的误差。通过在 电力负 电网调度和规划部门所应具备的一项基本能力。 荷预测中的应用，证明本方法能很好地提高预测模型 灰色预测具有要求样本数据少、不考虑分布规律 的精度 和变化趋势、原理简单 、运算方便、预测精度高、可检 验性强等优点，因而得到了广泛的应用 ¨。]。但 由于 1 基于PSO的灰色预测模型 模型是一个指数函数，并且 比较适合于负荷增长较平 稳的情况，而实际问题 中影响