基于文化基因算法的電力負荷預測模型及應用研究.pdf

1、隨著電力系統(tǒng)運營環(huán)境的日趨復雜、中國經(jīng)濟新常態(tài)下電力體制改革的不斷深化和競爭性電力交易市場的逐步構建與完善，電力負荷的準確預測在提升電力系統(tǒng)運營管理水平和提高電力企業(yè)經(jīng)濟效益等方面扮演著特別重要的角色，并已成為管理科學在電力系統(tǒng)運營與管理中的重要研究課題。盡管以往研究針對各種負荷預測問題提出了許多優(yōu)秀的負荷預測理論和方法，但無論采用哪種預測方法，預測模型的性能都受多種關鍵技術細節(jié)（如模型的輸入特征選擇、參數(shù)選擇、模型選擇等）的影響。本文

2、針對負荷預測模型構建過程中的關鍵技術問題（如輸入選擇、模型參數(shù)優(yōu)化、模型選擇等問題），基于文化基因算法構建自適應的負荷預測模型，以提升負荷預測模型的性能。同時結合電力負荷預測研究中短期負荷預測、區(qū)間型負荷預測等典型預測問題進行應用研究。此外，結合本文在特征選擇、參數(shù)優(yōu)化、模型選擇等問題上的研究成果，設計負荷預測支持系統(tǒng)，為決策者提供決策工具。
　　本研究主要內(nèi)容包括：⑴以往的Wrapper方法雖然能篩選出預測性能好的特征子集，但針

3、對較大規(guī)模的數(shù)據(jù)，Wrapper方法的搜索空間的維度非常大，運行效率低，對執(zhí)行搜索任務的智能優(yōu)化算法來說是很大的挑戰(zhàn)。為簡化 Wrapper方法的搜索空間，整合Filter方法的優(yōu)勢，本文設計了Filter-Wrapper混合輸入選擇方法，并結合短期電力負荷預測問題進行了實證研究。結果表明，該混合特征選擇算法能高效的篩選出較少的特征子集，并能有效提高SVR負荷預測模型的預測精度。⑵針對已有的負荷預測研究更多關注單值預測的情形，提出基于多

4、輸出支持向量機（MSVR）的區(qū)間型負荷預測模型，并針對區(qū)間型負荷預測模型中的特征選擇問題，基于文化基因算法（Memetic Algorithms，MA）設計了適應區(qū)間型負荷數(shù)據(jù)特征的特征選擇算法。結合實際負荷預測案例的實證研究表明，提出的MSVR-MA模型不僅能自適應的篩選輸入特征，而且得到的預測精度明顯優(yōu)于其他對比模型。⑶提出了統(tǒng)一框架下的廣義模型選擇問題（Generalized Model Selection Problem）。圍繞

5、模型選擇這種混合連續(xù)-離散優(yōu)化問題，進一步設計了基于CLPSO的混合變量 MA算法，并用來優(yōu)化提出的模型選擇問題。結合電力負荷預測這一電力市場中的傳統(tǒng)熱點問題，通過對比多種不同的模型選擇策略，統(tǒng)一框架下的廣義模型選擇的優(yōu)勢及提出的 CLPSO-MA算法在解決模型選擇問題的優(yōu)勢在均得到了驗證。⑷基于在預測模型參數(shù)優(yōu)化、特征選擇、模型選擇等的研究成果，設計了基于文化基因算法的電力負荷預測支持系統(tǒng)。該系統(tǒng)整合了豐富的優(yōu)秀定量預測模型和專業(yè)的專