基于改进粒子群-模糊神经网络的短期电力负荷预测(4)

表３和图２分别为采用ＢＰ、ＦＮＮ、ＰＳＯ—ＢＰ、ＰＳＯ—ＦＮＮ和ＭＰＳＯ—ＦＮＮ神经网络模型所得到的２００８年８月１日和８月２日的负荷预测结果．从表３预测数据和图２、图３所示，采用ＭＰＳＯ—ＦＮＮ神经网络的预测精度要高于传统ＢＰ方法、传统ＦＮＮ神经网络方法、ＰＳＯ—ＢＰ算法和ＰＳＯ—ＦＮＮ神经网络方法的预测精度．ＢＰ网络预测结果容易出现振荡．基于ＭＰＳＯ—ＦＮＮ算法神经网络的电网负荷预测模型训练速度快，预报精度高，效果好．

由图３还可以发现，ＭＰＳＯ—ＦＮＮ神经网络方法的百分误差变化比较均匀，变化范围为ｏ％一３．２％．每一次预测，ＭＰＳＯ．ＦＮＮ神经网络方法耗时７０－１００ｓ，速度大大提高．

从ＭＰＳＯ—ＦＮＮ神经网络负荷预测软件提取了２００８年８月中的３个连续星期的预测结果列于表５中．从表中可见，预测准确率可达到９９％左右，预测的最高准确率为９９．３％，这对负荷多变、极易受到气象和小水电等因素影响的贵州是不易的．

表５贵州省电网日负荷预测准确率

对该省２００８年８月的全部工作日负荷预测结果进行统计发现，有几天的日平均误差大于２．５％．由于该省８月份是温度最高、变化最剧烈的时期，这是造成负荷变动较大的原因．这也从另一个侧面说明了负荷与温度有密切的关系．

５结论

１）本文改进的粒子群算法解决了传统粒子群算法易陷于局部极值、收敛精度不高的缺陷，该算法优化了模糊神经网络的参数组合，得到了最优粒子对应的模糊神经网络参数组合，实现了模糊神经网络参数优化，克服了模糊神经网络参数确定难度大的问题，改善了模糊神经网络的泛化能力和自学能力．解决了模糊集隶属度函数难确定的问题．

２）本文基于改进的粒子群．模糊神经网络模型的短期电力负荷预测方法具有输出稳定性好、收敛性快、预测精度高的优点，负荷预测精度平均百分比误差可控制在１．２％以内，提高了负荷预测的精度．该方法在减小迭代次数、输出稳定性、收敛性和预测精度均优于传统ＢＰ神经网络方法、传统ＦＮＮ神经网络方法、ＰＳＯ—ＢＰ神经网络法和ＰＳＯ—ＦＮＮ神经网络法．证明采用ＭＰＳＯ—ＦＮＮ神经网络模型预测电网短期负荷是可行和实用的．．３）本文提出的模糊神经网络模型新算法和改进的粒子群一模糊神经网络算法为电网短期负荷预测提供了

１６６系统工程理论与实践第３０卷一种科学、有效的方法．

参考文献

［１】程其云，孙才新，张晓星，等．以神经网络与模糊逻辑互补的电力系统短期负荷预测模型及方法【Ｊ】．电工技术学报，２００４，

１９（１０）：５３－５８．

ＣｈｅｎｇＱＹ，Ｓｕｎ

ｏｎａ１．Ｓｈｏｒｔ—ｔｅｒｍｌｏａｄｆｏｒｅｃａｓｔｉｎｇｍｏｄｅｌａｎｄｍｅｔｈｏｄｆｏｒｐｏｗｅｒｓｙｓｔｅｍｂａｓｅｄｃｏｍｐｌｅｍｅｎｔａｔｉｏｎｏｆｎｅｕｒａｌｎｅｔｗｏｒｋａｎｄｆｕｚｚｙｌｏｇｉｃ［Ｊ］．ＴｒａｎｓａｃｔｉｏｎｓｏｆＣｈｉｎａＥｌｅｃｔｒｏｔｅＣｈｎｉｅａｌＳｏｃｉｅｔｙ，２００４，ＣＸ，ＺｈａｎｇＸＸ，ｅｔ１９（１０）：５３－５８．

【２］姚建刚，章建，银车来．电力市场运营及其软件开发［Ｍ】．北京：中国电力出版社，２００２．

ＹａｏＪＧ，ＺｈａｎｇＪ，ＹｉｎＣＬ．ＥｌｅｃｔｒｉｃｉｔｙＰｏｗｅｒＭａｒｋｅｔＯｐｅｒａｔｉｏｎａｎｄＳｏｆｔｗａｒｅＤｅｖｅｌｏｐｍｅｎｔ［Ｍ］．Ｂｅｉｊｉｎｇ：ＣｈｉｎａＥｌｅｃｔｒｉｃＰｏｗｅｒＰｒｅｓｓ，２００２．

［３】吴杰康，陈明华，陈国通．基于ＰＳＯ的模糊神经网络短期负荷预测［Ｊ】．电力系统及其自动化学报，２００７，１９（１）：６３－６６．

ＷｕＪＫ，ＣｈｅｎＭＨ，ＣｈｅｎＧＴ．Ｆｕｚｚｙｎｅｕｒａｌｎｅｔｗｏｒｋｍｏｄｅｌｂａｓｅｄｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎｆｏｒｓｈｏｒｔ—ｔｅｒｍｌｏａｄｆｏｒｅｃａｓｔｉｎｇ［Ｊ］．ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＥｅｌｅｃｔｒｉｃＰｏｗｅｒＳｙｓｔｅｍａｎｄＡｕｔｏｍａｔｉｏｎ，２００７，１９（１）：６３－６６．

【４］王亮，张宏伟，岳琳，等．ＰＳＯ．ＢＰ模型在城市用水量短期预测中的应用ｆＪｌ．系统工程理论与实践，２００７，２７（９）：１６５－ｏｎ

１７０．

ＷａｎｇＬ，ＺｈａｎｇＨＷ，ＹｕｅＬ，ｅｔａ１．ＡｐｐｌｉｃａｔｉｏｎｏｆＰＳＯ．ＢＰｍｏｄｅｌｉｎｓｈｏｒｔ．ｔｅｒｍｐｒｅｄｉｃｔｉｏｎｏｆ

ｃｏｎｓｕｍｐｔｉｏｎ［Ｊ］．ＳｙｓｔｅｍｓＥｎｇｉｎｅｅｒｉｎｇ—Ｔｈｅｏｒｙ＆Ｐｒａｃｔｉｃｅ，２００７，２７（９）：１６５－１７０．

［５】ＳｅｎｔｈｉｌＡｒｕｍｕｇａｍＭ，ＲａｏＭＶＣ，ＣｈａｎｄｒａｍｏｈａｎＡ．Ａｎｅｗａｎｄｉｍｐｒｏｖｅｄｖｅｒｓｉｏｎｏｆｐ争ｒｔｉｃｌｅｓｗａｒｍｕｒｂａｎｗａｔｅｒｏｐｔｉｍｉｚａｔｉｏｎ

ａｌｇｏｒｉｔｈｍｗｉｔｈｇｌｏｂａｌ—ｌｏｃａｌｂｅｓｔｐａｒａｍｅｔｅｒｓ［Ｊ】．ＫｎｏｗｌｅｄｇｅａｎｄＩｎｆｏｒｍａｔｉｏｎＳｙｓｔｅｍｓ，２００８，１６（３）：１５－２６．

【６】张国华，张展羽，邵光成，等．基于粒子群优化算法的灌溉渠道配水优化模型研究【Ｊ】．水利学报，２００６，３７（８）：１００４—１００８．

ＺｈａｎｇＧＨ，ＺｈａｎｇＺＹ，ＳｈａｏＧＣ，ｅｔａ１．Ｏｐｔｉｍｉｚａｔｉｏｎｍｏｄｅｌｆｏｒｄｉｓｃｈａｒｇｅｄｉｓｔｒｉｂｕｔｉｏｎｏｆｉｒｒｉｇａｔｉｏｎｃｈａｎｎｅｌ

ｏｐｔｉｍｉｚｅｒ［Ｊ】．ＪｏｕｒｎａｌｏｆＨｙｄｒａｕｌｉｃＥｎｇｉｎｅｅｒｉｎｇ，２００６，３７（８）：１００４－１００８．

【７】王波，王灿林，梁国强．基于粒子群寻优的Ｄ．ｓ算法［Ｊ】．传感器与微系统，２００７，２６（１）：８４—８６．

ＷａｎｇＢ，ＷａｎｇＣＬ，ＬｉａｎｇＧＱ．Ｄ—Ｓａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚｅｒ［Ｊ］．ＴｒａｎｓｄｕｃｅｒａｎｄｏｎｂａｓｅｄｐａｒｔｉｃｌｅｓｗａｒｍＭｉｃｒｏＳｙｓｔｅｍＴｅｃｈｎｏｌｏｇｉｅｓ，２００７，２６（１）：８４８６．

『８ＩＳｈｉＢ，ＬｉＹＸ，ＹｕＸＨ，ｅｔ以．Ａｍｏｄｉｆｉｅｄｐａｒｔｉｃｌｅｓｗａｒｔｎｏｐｔｉｍｉｚａｔｉｏｎａｎｄｒａｄｉａｌｂａｓｉｓｆｕｎｃｔｉｏｎｎｅｕｒａｌｎｅｔｗｏｒｋ

ｈｙｂｒｉｄａｌｇｏｒｉｔｈｍｍｏｄｅｌａｎｄｉｔｓａｐｐｌｉｃａｔｉｏｎ［Ｃ］／／２００９ＷＲＩＧｌｏｂａｌＣｏｎｇｒｅｓｓｏｎＩｎｔｅｌｌｉｇｅｎｔＳｙｓｔｅｍｓ（ＧＣＩＳ２００９），２００９．１：１３４—１３８．

ｆ９１ＯｍｋａｒＳＮ，ＭｕｄｉｇｅｒｅＤ，ＮａｒａｙａｎａＮａｉｋＧ，ｅｔａ１．Ｖｅｃｔｏｒｅｖａｌｕａｔｅｄｐａｒｔｉｃｌｅｓｗａｒｎｑｏｐｔｉｍｉｚａｔｉｏｎｆｏｒｍｕｌｔｉ－

ｓｔｒｕｃｔｕｒｅｓ［Ｊ】．ＣｏｍｐｕｔｅｒｓａｎｄＳｔｒｕｃｔｕｒｅｓ，２００８，８６（１—２）：４５－５６．

【１０】陈守煜．水利水文水资源系统的模糊、优化与数值计算［Ｍｊ．大连理工大学出版社，１９８９：４１＿４２．

ＣｈｅｎＳＹ．ＦｕｚｚｙＯｐｔｉｍｉｚａｔｉｏｎａｎｄＮｕ …… 此处隐藏：2057字，全部文档内容请下载后查看。喜欢就下载吧 ……