基于軟計算方法的電力系統(tǒng)負荷預測.pdf

1、短期負荷預測是電力系統(tǒng)負荷預測的重要組成部分，是電力系統(tǒng)調度和計劃部門安排購電計劃和制定運行方式的基礎，對電力系統(tǒng)的可靠和經濟運行意義重大。隨著電力市場的發(fā)展，精度高、速度快的預測理論和方法越來越受到重視。本文圍繞這一課題進行了研究和探討。 論文首先綜述了短期負荷預測的意義、特點、影響因素及其主要研究方法的優(yōu)缺點，明確了本論文的主要研究內容和研究方向。在第二章中，介紹了神經網絡的基本原理，指出了神經網絡在應用中存在的問題。論述了

2、免疫算法的機理和研究現狀，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神經網絡(ICRBFNN)模型來預測電力系統(tǒng)短期負荷。在ICRBFNN的設計中，根據共生進化和免疫規(guī)劃原理，提出了共生進化免疫規(guī)劃聚類算法，可以自動確定RBF網絡隱層中心的數量和位置，并采用遞推最小二乘法確定網絡輸出層的權值。對華東某市進行的電力系統(tǒng)短期負荷預測表明，與傳統(tǒng)的徑向基函數神經網絡預測方法相比，I

3、CRBFNN方法具有更高的預測精度。 2.提出了一種協(xié)同進化免疫網絡模型來預測電力系統(tǒng)短期負荷。在神經網絡的設計中，根據協(xié)同進化和免疫算法原理，提出了協(xié)同進化免疫算法，對神經網絡的結構和參數同時進行學習，形成了一種新型的神經網絡學習算法。對斯洛伐克東部電力公司進行的電力系統(tǒng)短期負荷預測表明，與傳統(tǒng)的徑向基函數神經網絡預測方法相比，協(xié)同進化免疫網絡方法具有更高的預測精度。 3.在對支持向量機(SVM)方法進行分析的基礎上，

4、提出了一種免疫支持向量機(IWSVM)方法來預測電力系統(tǒng)短期負荷，其中利用免疫規(guī)劃算法優(yōu)化支持向量機方法的參數。免疫規(guī)劃算法利用濃度和個體多樣性保持機制進行免疫調節(jié)，有效地克服了未成熟收斂現象，提高了群體的多樣性。電力系統(tǒng)短期負荷預測的實際算例表明，與支持向量機方法相比，所提免疫支持向量機方法具有更高的預測精度。 4.針對城市電力系統(tǒng)年用電量增長的特點，將灰色神經網絡模型GNNM(1，1)引入城市年用電量預測。GNNM(1，1)

5、模型是把灰色方法與神經網絡有機結合起來，對復雜的不確定性問題進行求解所建立的模型。該模型通過建立一個BP網絡，來映射GM(1，1)模型的灰色微分方程的解。GNNM(1，1)模型采用BP學習算法，網絡經訓練收斂后就可進行城市年用電量預測。算例計算表明，與灰色預測方法相比，GNNM(1，1)模型具有更強的適應性和更高的預測精度，適用于城市年用電量預測。 論文最后對上述研究成果進行了總結，指出了短期負荷預測中還有待進一步研究的問題。