基于文化基因算法的電力負(fù)荷預(yù)測模型及應(yīng)用研究.pdf

1、隨著電力系統(tǒng)運(yùn)營環(huán)境的日趨復(fù)雜、中國經(jīng)濟(jì)新常態(tài)下電力體制改革的不斷深化和競爭性電力交易市場的逐步構(gòu)建與完善，電力負(fù)荷的準(zhǔn)確預(yù)測在提升電力系統(tǒng)運(yùn)營管理水平和提高電力企業(yè)經(jīng)濟(jì)效益等方面扮演著特別重要的角色，并已成為管理科學(xué)在電力系統(tǒng)運(yùn)營與管理中的重要研究課題。盡管以往研究針對各種負(fù)荷預(yù)測問題提出了許多優(yōu)秀的負(fù)荷預(yù)測理論和方法，但無論采用哪種預(yù)測方法，預(yù)測模型的性能都受多種關(guān)鍵技術(shù)細(xì)節(jié)（如模型的輸入特征選擇、參數(shù)選擇、模型選擇等）的影響。本文

2、針對負(fù)荷預(yù)測模型構(gòu)建過程中的關(guān)鍵技術(shù)問題（如輸入選擇、模型參數(shù)優(yōu)化、模型選擇等問題），基于文化基因算法構(gòu)建自適應(yīng)的負(fù)荷預(yù)測模型，以提升負(fù)荷預(yù)測模型的性能。同時結(jié)合電力負(fù)荷預(yù)測研究中短期負(fù)荷預(yù)測、區(qū)間型負(fù)荷預(yù)測等典型預(yù)測問題進(jìn)行應(yīng)用研究。此外，結(jié)合本文在特征選擇、參數(shù)優(yōu)化、模型選擇等問題上的研究成果，設(shè)計負(fù)荷預(yù)測支持系統(tǒng)，為決策者提供決策工具。
　　本研究主要內(nèi)容包括：⑴以往的Wrapper方法雖然能篩選出預(yù)測性能好的特征子集，但針

3、對較大規(guī)模的數(shù)據(jù)，Wrapper方法的搜索空間的維度非常大，運(yùn)行效率低，對執(zhí)行搜索任務(wù)的智能優(yōu)化算法來說是很大的挑戰(zhàn)。為簡化 Wrapper方法的搜索空間，整合Filter方法的優(yōu)勢，本文設(shè)計了Filter-Wrapper混合輸入選擇方法，并結(jié)合短期電力負(fù)荷預(yù)測問題進(jìn)行了實(shí)證研究。結(jié)果表明，該混合特征選擇算法能高效的篩選出較少的特征子集，并能有效提高SVR負(fù)荷預(yù)測模型的預(yù)測精度。⑵針對已有的負(fù)荷預(yù)測研究更多關(guān)注單值預(yù)測的情形，提出基于多

4、輸出支持向量機(jī)（MSVR）的區(qū)間型負(fù)荷預(yù)測模型，并針對區(qū)間型負(fù)荷預(yù)測模型中的特征選擇問題，基于文化基因算法（Memetic Algorithms，MA）設(shè)計了適應(yīng)區(qū)間型負(fù)荷數(shù)據(jù)特征的特征選擇算法。結(jié)合實(shí)際負(fù)荷預(yù)測案例的實(shí)證研究表明，提出的MSVR-MA模型不僅能自適應(yīng)的篩選輸入特征，而且得到的預(yù)測精度明顯優(yōu)于其他對比模型。⑶提出了統(tǒng)一框架下的廣義模型選擇問題（Generalized Model Selection Problem）。圍繞

5、模型選擇這種混合連續(xù)-離散優(yōu)化問題，進(jìn)一步設(shè)計了基于CLPSO的混合變量 MA算法，并用來優(yōu)化提出的模型選擇問題。結(jié)合電力負(fù)荷預(yù)測這一電力市場中的傳統(tǒng)熱點(diǎn)問題，通過對比多種不同的模型選擇策略，統(tǒng)一框架下的廣義模型選擇的優(yōu)勢及提出的 CLPSO-MA算法在解決模型選擇問題的優(yōu)勢在均得到了驗(yàn)證。⑷基于在預(yù)測模型參數(shù)優(yōu)化、特征選擇、模型選擇等的研究成果，設(shè)計了基于文化基因算法的電力負(fù)荷預(yù)測支持系統(tǒng)。該系統(tǒng)整合了豐富的優(yōu)秀定量預(yù)測模型和專業(yè)的專