基于粒子群優(yōu)化算法的短期電力負(fù)荷預(yù)測(cè).pdf

1、電力負(fù)荷預(yù)測(cè)是電力系統(tǒng)安全調(diào)度、經(jīng)濟(jì)運(yùn)行的重要依據(jù),是社會(huì)正常生產(chǎn)、降低發(fā)電成本的有力保障。神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型是一種比較常用的短期電力負(fù)荷預(yù)測(cè)模型。本文針對(duì)傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)的不足之處進(jìn)行改進(jìn),建立新的預(yù)測(cè)模型,并應(yīng)用于短期電力負(fù)荷預(yù)測(cè)。本文的主要研究?jī)?nèi)容如下:
　　 (1)針對(duì)傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型收斂慢、容易陷入局部最優(yōu)等不足,引入收斂速度快、全局搜索能力強(qiáng)的粒子群優(yōu)化算法代替BP算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值,建立一種基于粒子

2、群優(yōu)化算法的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。分析溫度和負(fù)荷的關(guān)系,并在對(duì)夏季負(fù)荷進(jìn)行預(yù)測(cè)時(shí),引入實(shí)時(shí)溫度因子。通過對(duì)某地區(qū)秋季和夏季負(fù)荷進(jìn)行實(shí)驗(yàn)仿真,驗(yàn)證了該模型的有效性和優(yōu)越性。
　　 (2)針對(duì)標(biāo)準(zhǔn)粒子群算法不能夠絕對(duì)保證搜索到全局最優(yōu)解,容易陷入局部極小解的問題,在粒子群優(yōu)化算法搜索過程中引入模擬退火算法中概率突跳的思想,提出一種混合算法。該算法繼承了PSO算法的優(yōu)點(diǎn)且在搜索過程中也擁有概率突跳的能力,能夠有效的跳出局部最優(yōu)解。將該算法