基于軟計(jì)算方法的電力系統(tǒng)負(fù)荷預(yù)測(cè).pdf

1、短期負(fù)荷預(yù)測(cè)是電力系統(tǒng)負(fù)荷預(yù)測(cè)的重要組成部分，是電力系統(tǒng)調(diào)度和計(jì)劃部門(mén)安排購(gòu)電計(jì)劃和制定運(yùn)行方式的基礎(chǔ)，對(duì)電力系統(tǒng)的可靠和經(jīng)濟(jì)運(yùn)行意義重大。隨著電力市場(chǎng)的發(fā)展，精度高、速度快的預(yù)測(cè)理論和方法越來(lái)越受到重視。本文圍繞這一課題進(jìn)行了研究和探討。 論文首先綜述了短期負(fù)荷預(yù)測(cè)的意義、特點(diǎn)、影響因素及其主要研究方法的優(yōu)缺點(diǎn)，明確了本論文的主要研究?jī)?nèi)容和研究方向。在第二章中，介紹了神經(jīng)網(wǎng)絡(luò)的基本原理，指出了神經(jīng)網(wǎng)絡(luò)在應(yīng)用中存在的問(wèn)題。論述了

2、免疫算法的機(jī)理和研究現(xiàn)狀，給出了免疫算法的一般步驟。 本論文取得的主要成果如下： 1.提出了一種免疫聚類徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(ICRBFNN)模型來(lái)預(yù)測(cè)電力系統(tǒng)短期負(fù)荷。在ICRBFNN的設(shè)計(jì)中，根據(jù)共生進(jìn)化和免疫規(guī)劃原理，提出了共生進(jìn)化免疫規(guī)劃聚類算法，可以自動(dòng)確定RBF網(wǎng)絡(luò)隱層中心的數(shù)量和位置，并采用遞推最小二乘法確定網(wǎng)絡(luò)輸出層的權(quán)值。對(duì)華東某市進(jìn)行的電力系統(tǒng)短期負(fù)荷預(yù)測(cè)表明，與傳統(tǒng)的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法相比，I

3、CRBFNN方法具有更高的預(yù)測(cè)精度。 2.提出了一種協(xié)同進(jìn)化免疫網(wǎng)絡(luò)模型來(lái)預(yù)測(cè)電力系統(tǒng)短期負(fù)荷。在神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)中，根據(jù)協(xié)同進(jìn)化和免疫算法原理，提出了協(xié)同進(jìn)化免疫算法，對(duì)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù)同時(shí)進(jìn)行學(xué)習(xí)，形成了一種新型的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法。對(duì)斯洛伐克東部電力公司進(jìn)行的電力系統(tǒng)短期負(fù)荷預(yù)測(cè)表明，與傳統(tǒng)的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法相比，協(xié)同進(jìn)化免疫網(wǎng)絡(luò)方法具有更高的預(yù)測(cè)精度。 3.在對(duì)支持向量機(jī)(SVM)方法進(jìn)行分析的基礎(chǔ)上，

4、提出了一種免疫支持向量機(jī)(IWSVM)方法來(lái)預(yù)測(cè)電力系統(tǒng)短期負(fù)荷，其中利用免疫規(guī)劃算法優(yōu)化支持向量機(jī)方法的參數(shù)。免疫規(guī)劃算法利用濃度和個(gè)體多樣性保持機(jī)制進(jìn)行免疫調(diào)節(jié)，有效地克服了未成熟收斂現(xiàn)象，提高了群體的多樣性。電力系統(tǒng)短期負(fù)荷預(yù)測(cè)的實(shí)際算例表明，與支持向量機(jī)方法相比，所提免疫支持向量機(jī)方法具有更高的預(yù)測(cè)精度。 4.針對(duì)城市電力系統(tǒng)年用電量增長(zhǎng)的特點(diǎn)，將灰色神經(jīng)網(wǎng)絡(luò)模型GNNM(1，1)引入城市年用電量預(yù)測(cè)。GNNM(1，1)

5、模型是把灰色方法與神經(jīng)網(wǎng)絡(luò)有機(jī)結(jié)合起來(lái)，對(duì)復(fù)雜的不確定性問(wèn)題進(jìn)行求解所建立的模型。該模型通過(guò)建立一個(gè)BP網(wǎng)絡(luò)，來(lái)映射GM(1，1)模型的灰色微分方程的解。GNNM(1，1)模型采用BP學(xué)習(xí)算法，網(wǎng)絡(luò)經(jīng)訓(xùn)練收斂后就可進(jìn)行城市年用電量預(yù)測(cè)。算例計(jì)算表明，與灰色預(yù)測(cè)方法相比，GNNM(1，1)模型具有更強(qiáng)的適應(yīng)性和更高的預(yù)測(cè)精度，適用于城市年用電量預(yù)測(cè)。 論文最后對(duì)上述研究成果進(jìn)行了總結(jié)，指出了短期負(fù)荷預(yù)測(cè)中還有待進(jìn)一步研究的問(wèn)題。