基因表達(dá)式編程在電力負(fù)荷預(yù)測(cè)中的應(yīng)用研究.pdf

1、隨著工業(yè)體制改革的深化和國(guó)民經(jīng)濟(jì)的發(fā)展，對(duì)電能質(zhì)量的要求越來越高電力負(fù)荷是保證電能質(zhì)量的一個(gè)基本工具特別是對(duì)未來一天或幾天的短期負(fù)荷預(yù)測(cè)顯得特別重要。電力負(fù)荷預(yù)測(cè)是電力系統(tǒng)規(guī)劃和研究的組要組成部分，也是電力系統(tǒng)經(jīng)濟(jì)運(yùn)行的基礎(chǔ)，其對(duì)電力系統(tǒng)和規(guī)劃都極其重要。目前，關(guān)于電力負(fù)荷預(yù)測(cè)的方法不斷涌現(xiàn)，但單一的模型應(yīng)用一般只能局限在一定范圍內(nèi)，精度性較低。研究一種通用性好且預(yù)測(cè)精度較高的電力負(fù)荷預(yù)測(cè)模型對(duì)電力系統(tǒng)的運(yùn)行具有重要的意義和實(shí)際價(jià)值。<

2、br>　　 電力負(fù)荷預(yù)測(cè)模型的建立需要考慮到的相關(guān)負(fù)荷問題多為隨機(jī)性和非線性問題，可以通過分離隨機(jī)變量的屬性來建立數(shù)學(xué)模型，以表達(dá)電力負(fù)荷這個(gè)隨機(jī)變量變化過程的統(tǒng)計(jì)規(guī)律性，在數(shù)學(xué)基礎(chǔ)上確立合理的負(fù)荷預(yù)測(cè)數(shù)學(xué)表達(dá)式，根據(jù)歷史數(shù)據(jù)對(duì)未來負(fù)荷進(jìn)行預(yù)測(cè)。近年來基于軟計(jì)算和智能模型的方法是電力預(yù)測(cè)模型的研究重點(diǎn)，以GA模型、BP模型為代表的軟技術(shù)理論雖然較為突出但仍無法脫離自身固有的缺陷，從一定程度上影響了負(fù)荷預(yù)測(cè)的預(yù)測(cè)精度。論文深入研究了計(jì)算

3、智能中最前沿理論——基因表達(dá)式編程(Gene Expression Programming，GEP)，它是一種高效的進(jìn)化算法，有全新的、優(yōu)于傳統(tǒng)的信息表達(dá)和處理方式，GEP適用于解決復(fù)雜度較高的非線性系統(tǒng)問題，尤其適合解決復(fù)雜未知系統(tǒng)問題。GEP不同于人工神經(jīng)網(wǎng)絡(luò)，它不需劃分層次和進(jìn)行多樣本訓(xùn)練，更容易解決實(shí)際問題。本文中基于GEP的電力負(fù)荷預(yù)測(cè)研究工作主要包括以下內(nèi)容:
　　 論文首先闡述了負(fù)荷的概念，影響因素及數(shù)學(xué)描述，繼而

4、從建模的要求和原理上總結(jié)了幾種經(jīng)典模型的建立方式，并介紹了將神經(jīng)網(wǎng)絡(luò)模型和遺傳算法模型等軟計(jì)算應(yīng)用于電力系統(tǒng)負(fù)荷預(yù)測(cè)中時(shí)，單一模型的缺陷和耦合模型進(jìn)行預(yù)測(cè)的研究趨勢(shì)。
　　 其次，詳細(xì)介紹了GEP的基本原理，闡明其相比GA和GP具有較高效率的根本原因。由于GEP本身存在未成熟收斂的局限性，本文從種群多樣性角度出發(fā)，提出了一種基于分段的多策略改進(jìn)GEP算法(Gene Expression Programming basedon M

5、ulti-Strategy, MS-GEP)，理論和實(shí)踐驗(yàn)證該改進(jìn)算法可以很快收斂到最優(yōu)解，為建立電力系統(tǒng)負(fù)荷短期預(yù)測(cè)模型奠定了基礎(chǔ)。該算法以分階段的多樣性策略為基礎(chǔ)，并動(dòng)態(tài)調(diào)整遺傳算子和適應(yīng)度函數(shù)，保留了較多的種群多樣性，避免算法陷入局部收斂;為充分證明改進(jìn)策略有效性，建立MS-GEP算法的馬爾科夫鏈模型，分析此算法的收斂性和多樣性理論。
　　 最后，在短期負(fù)荷預(yù)測(cè)算法中，針對(duì)神經(jīng)網(wǎng)絡(luò)收斂速度慢的問題，利用改進(jìn)GEP以電力負(fù)荷

6、歷史數(shù)據(jù)為輸入，在考慮氣候敏感因素影響的條件下進(jìn)行預(yù)測(cè)。采用GEP及其改進(jìn)算法的尋優(yōu)訓(xùn)練網(wǎng)絡(luò)參數(shù)，以加快網(wǎng)絡(luò)學(xué)習(xí)速度和提高預(yù)測(cè)精度。影響負(fù)荷預(yù)測(cè)多因素的綜合作用力，進(jìn)化尋優(yōu)的權(quán)值進(jìn)行BP算法，建立GEP-BP電力系統(tǒng)短期負(fù)荷預(yù)測(cè)模型。實(shí)驗(yàn)仿真結(jié)果表明，基于改進(jìn)的GEP與BP神經(jīng)網(wǎng)絡(luò)的組合預(yù)測(cè)建模方法，對(duì)優(yōu)化BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)提高預(yù)測(cè)精度均有重要突破，在保持較快的收斂速度的情況下能更加高效地找到具有優(yōu)良擬合度和預(yù)測(cè)能力的電力負(fù)荷模型，在電力