基于縱橫交叉算法的短期負(fù)荷預(yù)測(cè)組合模型研究.pdf

1、電力負(fù)荷預(yù)測(cè)一直是電力系統(tǒng)研究領(lǐng)域的熱門課題，也是電力調(diào)度部門的重要工作。負(fù)荷預(yù)測(cè)依據(jù)歷史數(shù)據(jù)對(duì)未來(lái)負(fù)荷做出合理推測(cè)，是電力系統(tǒng)調(diào)度運(yùn)行和制定生產(chǎn)計(jì)劃的重要依據(jù)，是電能生產(chǎn)與消耗達(dá)到動(dòng)態(tài)平衡的前提。預(yù)測(cè)精度的高低關(guān)乎電力系統(tǒng)的安全性、經(jīng)濟(jì)性和穩(wěn)定性。
　　本文為提高短期負(fù)荷預(yù)測(cè)精度做了大量工作，在理論分析的基礎(chǔ)上，提出了一種基于縱橫交叉算法的變權(quán)重組合預(yù)測(cè)模型。為有效捕捉負(fù)荷的波動(dòng)規(guī)律，首先采用小波包變換對(duì)原始負(fù)荷數(shù)據(jù)進(jìn)行三層分解

2、，再將分解得到的八個(gè)子序列分別輸入組合模型進(jìn)行預(yù)測(cè)，最后疊加出預(yù)測(cè)結(jié)果。其中組合模型由誤差反饋加權(quán)時(shí)間序列模型、灰色模型和BP神經(jīng)網(wǎng)絡(luò)模型組成。與常規(guī)的固定權(quán)重組合預(yù)測(cè)模型不同，本文三個(gè)單項(xiàng)模型的權(quán)重系數(shù)采用一種全新的群智能算法——縱橫交叉算法進(jìn)行優(yōu)化整定，動(dòng)態(tài)確定每個(gè)時(shí)刻的最優(yōu)權(quán)系數(shù)?？v橫交叉算法通過(guò)橫向和縱向兩種不同機(jī)制的交叉操作交替進(jìn)行，有效改善了目前群智能算法普遍存在的早熟和陷入局部最優(yōu)的問(wèn)題，在處理大規(guī)模、多維數(shù)的復(fù)雜優(yōu)化問(wèn)題

3、上具有顯著優(yōu)勢(shì)。
　　為使預(yù)測(cè)模型能準(zhǔn)確把握韶關(guān)市的負(fù)荷變化規(guī)律，本文對(duì)該地區(qū)的日負(fù)荷特性和月負(fù)荷特性做了深入分析，歸納了影響韶關(guān)負(fù)荷的主要因素。在模型參數(shù)辨識(shí)中，本文進(jìn)行了多次實(shí)驗(yàn)確定模型的關(guān)鍵參數(shù)，包括小波包分解層數(shù)、縱向交叉概率、神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點(diǎn)數(shù)，減小了人為因素對(duì)預(yù)測(cè)精度的影響。在仿真研究中，選取典型工作日、周末日和節(jié)假日分別進(jìn)行了多次96點(diǎn)預(yù)測(cè)，將預(yù)測(cè)結(jié)果與五種參考模型的預(yù)測(cè)結(jié)果深入對(duì)比，并分析了動(dòng)態(tài)權(quán)系數(shù)對(duì)提高組合預(yù)