基于改进粒子群-模糊神经网络的短期电力负荷预测

第３０卷第１期

２０ｉｏ年１月

文章编号：１０００－６７８８（２０１０）０１—０１５７－１０Ｓｙｓｔｅｍｓ系统工程理论与实践Ｅｎｇｉｎｅｅｒｉｎｇ—Ｔｈｅｏｒｙ＆Ｐｒａｃｔｉｃｅ中图分类号：ＴＭ６１４文献标小．ｈ－－叼．．ＡＶ０１．３０，Ｎｏ．１Ｊａｎ．，２０１０

基于改进粒子群一模糊神经网络的短期电力负荷预测

师彪 ，李郁侠 ，于新花ｚ，闫旺

（１．西安理工大学水利水电学院，西安７１００４８；２．青岛科技大学高职业技术学院，青岛２６１０００）

摘要为了提高短期电力负荷预测精度，提出了改进的粒子群一模糊神经网络混合优化算法．用改

进的粒子群训练神经网络，实现了模糊神经网络参数优化．建立了基于该优化算法的短期负荷预测

模型，综合考虑气象、天气、日期类型等影响负荷的因素，利用贵州电网历史数据进行短期负荷预

测．仿真表明，该方法的收敛速度和预测精度优于传统模糊神经网络法、ＢＰ神经网络法、粒子群一

ＢＰ算法和粒子群一模糊神经网络方法，该优化算法克服了神经网络和粒子群优化方法的缺点，改善

了模糊神经网络的泛化能力， 提高了电网短期负荷预测的精度，各日预测负荷的平均百分比误差可

控制在１．２％以内．该算法可有效用于电力系统的短期负荷预测．

关键词短期负荷预测；ＭＰＳＯ—ＦＮＮ算法；预测精度；模糊神经网络

Ｓｈｏｒｔ－ｔｅｒｍｌｏａｄｆｏｒｅｃａｓｔｉｎｇｂａｓｅｄ＇ｏｎｍｏｄｉｆｉｅｄｐａｒｔｉｃｌｅｓｗａｒｍ

ｏｐｔｉｍｉｚｅｒａｎｄｆｕｚｚｙｎｅｕｒａｌｎｅｔｗｏｒｋｍｏｄｅｌ

ＳＨＩＢｉａ０１，ＬＩＹｕ－ｘｉａｌ，ＹＵＸｉｎ—ｈｕａ２，ＹＡＮＷａｎ９１

（１．ＩｎｓｔｉｔｕｔｅｏｆＷａｔｅｒａｅｓｏｕｒｃｅｆ３ａｎｄＨｙｄｒｏ－ｅｌｅｃｔｒｉｃＥｎｇｉｎｅｅｒｉｎｇ，Ｘｉ’ａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｘｉ’ａｎ７１００４８，Ｃｈｉｎａ；２．ＴｅｃｈｎｉｃａｌＩｎｓｔｉｔｕｔｅｏｆＨｉｇｈＶｏｃａｔｉｏｎ，ＱｉｎｇｄａｏＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｑｉｎｇｄａｏ２６１０００，Ｃｈｉｎａ）

ＡｂｓｔｒａｃｔＴｏｉｍｐｒｏｖｅｓｈｏｒｔ－ｔｅｒｍｌｏａｄｆｏｒｅｃａｓｔｉｎｇａｃｃｕｒａｃｙ，ａｍｏｄｉｆｉｅｄｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚｅｒ（ＭＰＳＯ）

ａｎｄｆｕｚｚｙｎｅｕｒａｌ

ｂｙｎｅｔｗｏｒｋ（ＦＮＮ）ｈｙｂｒｉｄｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍ

ｏｎｉｓｐｒｏｐｏｓｅｄ．ＩｎｗｈｉｃｈｔｈｅＦＮＮｉｓｔｒａｉｎｅｄＭＰＳＯｔｏｉｍｐｌｅｍｅｎｔｔｈｅｏｐｔｉｍｉｚａｔｉｏｎｏｆＦＮＮｐａｒａｍｅｔｅｒｓ．Ｔｈｅｓｈｏｒｔ—ｔｅｒｍｌｏａｄ—ｆｏｒｅｃａｓｔｉｎｇｍｏｄｅｌｉ目ｅｓｔａｂｌｉｓｈｅｄｂａｓｅｄ

Ｉｎｔｈｅｍｏｄｉｆｉｅｄｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚｅｒａｎｄｆｕｚｚｙｎｅｕｒａｌｎｅｔｗｏｒｋｈｙｂｒｉｄｏｐｔｉｍｉｚａｔｉｏｎａｎｄｄａｔｅｔｙｐｅｓａｒｅａｌｇｏｒｉｔｈｍ．ｌｏａｄｆｏｒｅｃａｓｔｉｎｇｓｕｃｈｆａｃｔｏｒｓｉｍｐａｃｔｉｎｇｌｏａｄｓａｓｍｅｔｅｏｒｏｌｏｇｙ，ｗｅａｔｈｅｒ

ｃｏｍｐｒｅｈｅｎｓｉｖｅｌｙｃｏｎｓｉｄｅｒｅｄ．Ｕｓｉｎｇｔｈｅｍｅｔｈｏｄａｎｄｈｉｓｔｏｒｙ

ｔｅｒｍｌｏａｄｓｙｓｔｅｍ，ｔｈｅｓｈｏｒｔ－ｆｏｒｅｃａｓｔｉｎｇＷａｓｃａｒｒｉｅｄｏｕｔ．Ｔｈｅｒｅｓｕｌｔｓｈｏｗｓｔｈｅｃｏｎｖｅｒｇｅｎｃｅｏｆｍｅｔｈｏｄｉｓｆａｓｔｅｒａｎｄｆｏｒｅｃａｓｔ

ｔｈａｔｏｆｔｈｅｌｏａｄｄａｔａｏｆＧｕｉｚｈｏｕｐｏｗｅｒａｃｃｕｒａｃｙｉｓｍｏｒｅａｃｃｕｒａｔｅｔｈａｎｔｒａｄｉｔｉｏｎａｌｆｕｚｚｙｎｅｕｒａｌｎｅｔｗｏｒｋ，ＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ，ｔｈｅｐａｒｔｉｃｌｅ

ｓｗａｒｍｏｐｔｉｍｉｚｅｒ（ＰＳＯ）ａｎｄＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｓ，ＰＳＯａｎｄｆｕｚｚｙｎｅｕｒａｌｎｅｔｗｏｒｋｓ．Ｔｈｅｈｙｂｒｉｄａｌｇｏｒｉｔｈｍ

ｉｍｐｒｏｖｅｓｔｈｅｆｕｚｚｙｎｅｕｒａｌｎｅｔｗｏｒｋｇｅｎｅｒａｌｉｚａｔｉｏｎｃａｐａｃｉｔｙ，ａｎｄｏｖｅｒｃｏｍｅｓｔｈｅｔｒａｄｉｔｉｏｎａｌＰＳＯａｌｇｏｒｉｔｈｍ

ａｎｄｆｕｚｚｙｎｅｕｒａｌｎｅｔｗｏｒｋｔｈａｔｅｘｉｓｔｉｎ

ｉｓｓｏｍｅｏｆｔｈｅｓｈｏｒｔｃｏｍｉｎｇｓ．Ｔｈｅｓｈｏｒｔ—ｔｅｒｍｅｒｒｏｒｌｏ“ｆｏｒｅｃａｓｔｉｎｇａｃｃｕｒａｃｙｉｍｐｒｏｖｅｄｉｎＧｕｉｚｈｏｕｐｏｗｅｒｓｙｓｔｅｍ，ｗｈｉｃｈａｖｅｒａｇｅｐｅｒｃｅｎｔａｇｅ

ｃａｎｉｓｎｏｔｍｏｒｅｔｈａｎ１．２％．Ｔｈｅｈｙｂｒｉｄｓｙｓｔｅｍ．

ｎｅｕｒａｌｎｅｔｗｏｒｋａｌｇｏｒｉｔｈｍｂｅｕｓｅｄｅｆｆｉｃａｃｉｏｕｓｌｙｉｎｓｈｏｒｔｔｉｍｅｌｏａｄｆｏｒｅｃａｓｔｉｎｇｏｆｔｈｅｐｏｗｅｒＫｅｙｗｏｒｄｓｓｈｏｒｔ—ｔｅｒｍｌｏａｄｆｏｒｅｃａｓｔｉｎｇ；ＭＰＳＯ－ＦＮＮａｌｇｏｄｔｈｍ；ａｃｃｕｒａｃｙ；ｆｕｚｚｙ

１引言

电力负荷的准确预测对于电力生产和电网安全运行以及国民经济都有着重要意义【１１．但由于电力负荷变化的复杂性，无法建立一个确定的模型来对它进行精确的预测，前人在此领域已取得一定成果（２】．传统的预测方法如时间序列法、回归分析法和模式识别法等都存在各自的缺陷：时间序列法不易考虑气象数据对负荷的影响；回归分析法存在如何确定合适的回归方程的问题，不能处理气候变量和负荷之间的非平衡暂态收稿日期：２００８－１０－２６

资助项目：国家火炬计划基金（０７Ｃ２６２１３７１１６０６）；

（２００７ＲＫＢｌ８８）陕西省自然科学基础研究计划（ＳＪ０８Ｅ２２０）；山东省软科学基金

作者简介：师彪（１９７５－）男，高级工程师，博士，主要从事电力系统工程和电网规划及电力市场技术研究．

１５８系统工程理论与实践第３０卷关系；模式识别法难于处理大地区中负荷的分散性问题，而且对气象灵敏的负荷模式仅适应于小区域电力系统【引．

目前，用于负荷预测的专家系统通用性差，缺乏自学习能力；传统的ＢＰ神经网络具有较好的非线性和自学习能力，但常出现易振荡、收敛速度慢，易陷入局部极小值、隐含层神经元个数难以确定等缺点［４１，并且对于具有随机性的电力负荷而言，缺乏精确数据筛选处理能力；模糊控制是一种基于模糊规则的控制器，其核心问题是模糊集隶属度函数的选择、模糊知识规划、模糊量化的设置等，并且不适应被控对象的变换，即没有自学能力【引．

粒子群优化算法（Ｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚｅｒ，ＰＳＯ）具有依赖的经验参数较少、收敛速度快等优点，但也存在先天性的不足．本文试图对ＰＳＯ算法加以改进，并将改进的算法（Ｍｏｄｉｆｉｅｄｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚｅｒ，ＭＰＳＯ）用来训练神经网络的参数，期望实现模糊神经网络（Ｆｕｚｚｙｎｅｕｒａｌｎｅｔｗｏｒｋ，ＦＮＮ）参数自动优化，建立基于改进粒子群．模糊神经网（Ｍ …… 此处隐藏：1929字，全部文档内容请下载后查看。喜欢就下载吧 ……