基于縱橫交叉算法的短期負(fù)荷預(yù)測組合模型研究.pdf

1、電力負(fù)荷預(yù)測一直是電力系統(tǒng)研究領(lǐng)域的熱門課題，也是電力調(diào)度部門的重要工作。負(fù)荷預(yù)測依據(jù)歷史數(shù)據(jù)對未來負(fù)荷做出合理推測，是電力系統(tǒng)調(diào)度運行和制定生產(chǎn)計劃的重要依據(jù)，是電能生產(chǎn)與消耗達(dá)到動態(tài)平衡的前提。預(yù)測精度的高低關(guān)乎電力系統(tǒng)的安全性、經(jīng)濟(jì)性和穩(wěn)定性。
　　本文為提高短期負(fù)荷預(yù)測精度做了大量工作，在理論分析的基礎(chǔ)上，提出了一種基于縱橫交叉算法的變權(quán)重組合預(yù)測模型。為有效捕捉負(fù)荷的波動規(guī)律，首先采用小波包變換對原始負(fù)荷數(shù)據(jù)進(jìn)行三層分解

2、，再將分解得到的八個子序列分別輸入組合模型進(jìn)行預(yù)測，最后疊加出預(yù)測結(jié)果。其中組合模型由誤差反饋加權(quán)時間序列模型、灰色模型和BP神經(jīng)網(wǎng)絡(luò)模型組成。與常規(guī)的固定權(quán)重組合預(yù)測模型不同，本文三個單項模型的權(quán)重系數(shù)采用一種全新的群智能算法——縱橫交叉算法進(jìn)行優(yōu)化整定，動態(tài)確定每個時刻的最優(yōu)權(quán)系數(shù)?？v橫交叉算法通過橫向和縱向兩種不同機(jī)制的交叉操作交替進(jìn)行，有效改善了目前群智能算法普遍存在的早熟和陷入局部最優(yōu)的問題，在處理大規(guī)模、多維數(shù)的復(fù)雜優(yōu)化問題

3、上具有顯著優(yōu)勢。
　　為使預(yù)測模型能準(zhǔn)確把握韶關(guān)市的負(fù)荷變化規(guī)律，本文對該地區(qū)的日負(fù)荷特性和月負(fù)荷特性做了深入分析，歸納了影響韶關(guān)負(fù)荷的主要因素。在模型參數(shù)辨識中，本文進(jìn)行了多次實驗確定模型的關(guān)鍵參數(shù)，包括小波包分解層數(shù)、縱向交叉概率、神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點數(shù)，減小了人為因素對預(yù)測精度的影響。在仿真研究中，選取典型工作日、周末日和節(jié)假日分別進(jìn)行了多次96點預(yù)測，將預(yù)測結(jié)果與五種參考模型的預(yù)測結(jié)果深入對比，并分析了動態(tài)權(quán)系數(shù)對提高組合預(yù)