电力负荷预测毕业论文中英文资料外文翻译文献(2)

来源：网络收集时间：2026-05-16

导读：中英文资料第三章运用改进GA估算?值为了预测出准确的灰色模型GM（1，1），残差校验是必不可少的。因此，本文中所提出的目标函数的方法可以确保预测值误差是最� Ｄ勘旰ㄒ逦钚∑骄园俜直任蟛睿缦拢� m

中英文资料

第三章运用改进GA估算?值

为了预测出准确的灰色模型GM（1，1），残差校验是必不可少的。因此，本文中所提出的目标函数的方法可以确保预测值误差是最小。目标函数定义为最小平均绝对百分比误差，如下：

minMAPE??e?k?

k?1n 且，e?k????0??k??x?0??k?xx?0??k??100%

??0??k?为预测值，n是该数列的维数。从上面描述构建的GM（1，x?0??k?为原始数据，x1），我们可以得到：在GM（1，1）中参数?的值能够决定z?1?的值；不管是发展系数a还是控制变量b都由z?1??k?值确定。更重要的是，x?0?的结果由a，b决定，因此整个模型选择过程最重要的部分就是?的值。在?和残差之间有着某些复杂的非线性关系，这些非线性是很难通过解析来解决的，因此选择最理想的?值是GM(1,1)的难点。

遗传算法是一个随机搜索算法，模拟自然选择与演化。它能广泛应用正是基于后面两个基本方面：计算代码非常简单并且还提供了一个强大的搜索机制。它们函数相对独立，意味着它们不会被函数的属性所限制，例如:连续性,导数的存在，等等。尽管二进制法经常应用于许多优化问题，但是在本文我们采用改进十进制编码法方案来解决。在数值函数优化方面，改进的十进制编码法相对于二进制编码法拥有很大的优势。这些优势简要的叙述如下：

第一步：GA的效率提高了，因此，没有必要将染色体转换为二进制类型。第二步：由于有效的内部电脑浮点表示，需要较少的内存。

第三步：甄别二进制或其它值不会使精度降低，并且有更大的自由来使用不同的遗

传算子。

我们利用改进的十进制码代表性方法来寻找在灰色GM（1，1）模型中最佳系数的?值。本文中，我们提出单点线性算术交叉法，并且利用它来获得?值；它能极大地提高交叉和变异的速度。改进的十进制码代表性方法的步骤如下：

（1）编码：假设???0,1?是二进制字符串的C位，然后由右至左每隔n位转换为十进制。（n

中英文资料

（2）随机化种群：选择一个整数M作为种族的大小，然后随机地从集合?0,1?选择M点，如??i,0??i?1,2,?,M?，这些点组成个体的原始种群，该序列被定义为：

P?0?????1,0?,??2,0?,?,??M,0??

（3）评估适应度：在选择的过程中，个体??i,k?被选择参与新个体的繁殖。拥有高度地适应度F（??i,k?）的个体??i,k?逐代衍化和发展。适应度函数是

n??cmax?f???i,k??,f???i,k???cmax??0????i,k???X?0?F???i,k??????Xii0,其它i?1????2

??0????i,k??是从个体??i,k?获得的预测值。c是迭代最小二乘总和的最大值。 Xmaxi第四步：选择：在本文中，我们根据它们的适应度函数F???i,k??分别地计算出个

体选定的概率p?k??F???I,K??i，然后我们通过轮盘选择法，使繁殖的各自概

?F???i,k??i?1m率是P?k?，最后我们拿原始的个体来生成下一代的P?k?1?。

第五步：交叉和变异：编码和交叉是相关的；我们利用了十进制码表示法，因此我

们提出了一种新的交叉算子“单点线性算术交叉”。

1）选择合适的两个有交叉概率pc的个体。

2）为这两个选择的个体，我们仍然采用随机抽样方法以得到交叉算子。例如：

? z:?zj zi:zi1,zi2?zikzi?k?1??zil

j1?,zj2?zjkzj?k?1??zjl

?3）交叉

①互相交换它们的正确的字符串。

②位在左侧的交叉可以通过以下计算算法： a：基因分析：

zik??*zik??1???*zik

zjk??*zjk??1???*z jkb：交换后基因：

zik??*zik??1???*z jk zjk??*zjk??1???*z ik 7

中英文资料

???0,1?称为交叉系数，每次根据随机的交叉系统来选择。

4）变异：下面是一个新的变异方案：当变异算子被选择，新的基因值是一个在域权重的随机数，它是用原始基因值得到的加权总和。如果变异算子的值是zi，变异值是：

zi??*r??1???*zi

?是变异系数，???0,1?。r是一个随机数，r???z,zimax??。每当进行变异操作时，r

imin会被随机的挑选。因此，新的后代可以通过交叉和变异操作来创建。

第六步：推出原则：选择当前的一代个体来繁殖下一代个体，然后求出适应度值并

判断算法是否符合退出条件。如果符合条件，这个?值就是最佳的，否则回到第四步，直到种群内所有个体达到统一标准或几代个体的数量超过最大值100。

中英文资料

第四章．负荷预测案例

在本章，我们试着对GM（1，1）-关于改进的遗传算法进行性能评估。

第一步：m天的日负荷数据序列定义为?x?k?k?1,2,?,n?，我们测量了每个小时的电力负荷，于是负荷序列向量就是一个24维数据。

1点：X01??x01?i?i?1,2,?,m? 2点：X02??x02?i?i?1,2,?,m? j点：Xj??xj?i?i?1,2,?,m? 24点：X24??x24?i?i?1,2,?,m?

式中m是所建模型的天数，Xj是日负荷数据序列的第j点。

图1. 原始数据和预测值

第二步：我们利用改进的遗传算法为各自Xj的负荷数据序列来选择?值。接着，我们可以算出a和b，然后我们利用GM（1，1）-IGA来预测第m+1天中的第j点的负荷，于 …… 此处隐藏：562字，全部文档内容请下载后查看。喜欢就下载吧 ……

电力负荷预测毕业论文中英文资料外文翻译文献(2).doc 将本文的Word文档下载到电脑，方便复制、编辑、收藏和打印

下载这篇word文档

本文链接：https://www.jiaowen.net/wendang/565557.html（转载请注明文章来源）

上一篇：2017年4月22日世界地球日倡议书
下一篇：第三章 Email营销