基于一种混合算法模型的短期电力负荷预测

被引：5

作者：

尹新

周野

何怡刚

文娟

机构：

[1] 湖南大学电气与信息工程学院

来源：

计算机仿真 | 2010年 / 27卷 / 10期

基金：

高等学校博士学科点专项科研基金;

关键词：

粒子群优化; 模拟退火算法; 电力系统; 短期负荷预测;

D O I：

暂无

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 [电力系统及其自动化];

摘要：

研究电网管理,进行电力负荷预测,为了保证系统的安全性,提出一种新颖的混合算法预测模型,是在粒子群优化算法的基础上引入模拟退火算法的思想形成一种混合算法,再结合模糊神经网络而成的一种预测模型。可有效地避免了传统的模糊神经网络收敛慢且容易陷入局部最小的缺点,也有助于克服标准粒子群优化算法训练模糊神经网络出现的早熟现象。通过对某市一天的电力系统进行短期负荷预测的仿真,并对BP算法、遗传算法、标准粒子群优化算法的模型进行了比较,仿真结果表明,改进预测模型的优越性和有效性。

引用

页码：255 / 258

页数：4

共 8 条

[1]

短期负荷预测中支持向量机模型的参数选取和优化方法 [J].

谢宏 ;

魏江平 ;

刘鹤立 .

中国电机工程学报, 2006, (22) :17-22

[2]

电力短期负荷的多变量时间序列线性回归预测方法研究 [J].

雷绍兰 ;

孙才新 ;

周湶 ;

张晓星 .

中国电机工程学报, 2006, (02) :25-29

[3]

基于蚁群优化算法的电力系统负荷序列的聚类分析 [J].

孙雅明 ;

王晨力 ;

张智晟 ;

刘尚伟 .

中国电机工程学报, 2005, (18) :40-45

[4]

基于模糊多目标遗传优化算法的节假日电力负荷预测 [J].

冯丽 ;

邱家驹 .

中国电机工程学报, 2005, (10) :29-34

[5]

基于组合式神经网络的短期电力负荷预测模型 [J].

陈耀武 ;

汪乐宇 ;

龙洪玉 .

中国电机工程学报, 2001, (04)

[6]

一种求解电网多目标模糊优化运行的自适应进化规划算法 [J].

石立宝 ;

徐国禹 .

中国电机工程学报, 2001, (03)

[7]

An efficient flow-shop scheduling algorithm based on a hybrid particle swarm optimization model.[J].I-Hong Kuo;Shi-Jinn Horng;Tzong-Wann Kao;Tsung-Lieh Lin;Cheng-Ling Lee;Takao Terano;Yi Pan.Expert Systems With Applications.2008, 3

[8]

Global optimization and simulated annealing.[J].Anton Dekkers;Emile Aarts.Mathematical Programming.1991, 1

← 1 →