基因表達式編程在電力負荷預測中的應用研究.pdf

1、隨著工業(yè)體制改革的深化和國民經濟的發(fā)展，對電能質量的要求越來越高電力負荷是保證電能質量的一個基本工具特別是對未來一天或幾天的短期負荷預測顯得特別重要。電力負荷預測是電力系統(tǒng)規(guī)劃和研究的組要組成部分，也是電力系統(tǒng)經濟運行的基礎，其對電力系統(tǒng)和規(guī)劃都極其重要。目前，關于電力負荷預測的方法不斷涌現(xiàn)，但單一的模型應用一般只能局限在一定范圍內，精度性較低。研究一種通用性好且預測精度較高的電力負荷預測模型對電力系統(tǒng)的運行具有重要的意義和實際價值。<

2、br>　　 電力負荷預測模型的建立需要考慮到的相關負荷問題多為隨機性和非線性問題，可以通過分離隨機變量的屬性來建立數(shù)學模型，以表達電力負荷這個隨機變量變化過程的統(tǒng)計規(guī)律性，在數(shù)學基礎上確立合理的負荷預測數(shù)學表達式，根據(jù)歷史數(shù)據(jù)對未來負荷進行預測。近年來基于軟計算和智能模型的方法是電力預測模型的研究重點，以GA模型、BP模型為代表的軟技術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荷預測的預測精度。論文深入研究了計算

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

4、從建模的要求和原理上總結了幾種經典模型的建立方式，并介紹了將神經網絡模型和遺傳算法模型等軟計算應用于電力系統(tǒng)負荷預測中時，單一模型的缺陷和耦合模型進行預測的研究趨勢。
　　 其次，詳細介紹了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GEP算法(Gene Expression Programming basedon M

5、ulti-Strategy, MS-GEP)，理論和實踐驗證該改進算法可以很快收斂到最優(yōu)解，為建立電力系統(tǒng)負荷短期預測模型奠定了基礎。該算法以分階段的多樣性策略為基礎，并動態(tài)調整遺傳算子和適應度函數(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，在短期負荷預測算法中，針對神經網絡收斂速度慢的問題，利用改進GEP以電力負荷

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行預測。采用GEP及其改進算法的尋優(yōu)訓練網絡參數(shù)，以加快網絡學習速度和提高預測精度。影響負荷預測多因素的綜合作用力，進化尋優(yōu)的權值進行BP算法，建立GEP-BP電力系統(tǒng)短期負荷預測模型。實驗仿真結果表明，基于改進的GEP與BP神經網絡的組合預測建模方法，對優(yōu)化BP神經網絡結構提高預測精度均有重要突破，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)良擬合度和預測能力的電力負荷模型，在電力