基于混合算法-徑向基神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測(cè).pdf

1、短期負(fù)荷預(yù)測(cè)(STLF)是電力系統(tǒng)運(yùn)行調(diào)度中的一項(xiàng)重要內(nèi)容,是能量管理系統(tǒng)的一個(gè)重要模塊。電力市場(chǎng)的引入,對(duì)負(fù)荷預(yù)測(cè)的準(zhǔn)確性、實(shí)時(shí)性、可靠性和智能性提出了更高的要求。神經(jīng)網(wǎng)絡(luò)模型是一種比較常用的短期電力負(fù)荷預(yù)測(cè)模型,本文針對(duì)RBF神經(jīng)網(wǎng)絡(luò)的不足之處進(jìn)行改進(jìn),建立新的預(yù)測(cè)模型,并應(yīng)用于短期電力負(fù)荷預(yù)測(cè)。本文的主要研究內(nèi)容如下:
　　 (1)粒子群(PSO)算法是一種基于群智能方法的演化計(jì)算技術(shù),該算法操作簡單,使用方便,收斂速度快

2、。本文將PSO算法與RBF神經(jīng)網(wǎng)絡(luò)相結(jié)合,形成粒子群-徑向基神經(jīng)網(wǎng)絡(luò)(PSO-RBF),建立計(jì)及各種影響因素的短期負(fù)荷預(yù)測(cè)模型。運(yùn)用所建立的PSO-RBF模型和RBF模型進(jìn)行短期負(fù)荷預(yù)測(cè),并比較所得結(jié)果可知,PSO-RBF模型要優(yōu)于傳統(tǒng)的RBF方法。
　　 (2)將人工魚群算法(AFSA)與RBF神經(jīng)網(wǎng)絡(luò)相結(jié)合,形成人工魚群-徑向基神經(jīng)網(wǎng)絡(luò)(AFSA-RBF),運(yùn)用此模型進(jìn)行短期負(fù)荷預(yù)測(cè),并與RBF模型的結(jié)果進(jìn)行比較,AFSA-

3、RBF模型要優(yōu)于傳統(tǒng)的RBF模型。
　　 (3)針對(duì)PSO算法易陷入局部極值和收斂精度不高的缺點(diǎn),將AFSA算法引入到PSO算法中,AFSA算法優(yōu)點(diǎn)在于具有全局尋優(yōu)的特點(diǎn),能跳出局部極佳,結(jié)合兩者的優(yōu)點(diǎn),組成混合優(yōu)化算法,以四個(gè)標(biāo)準(zhǔn)函數(shù)進(jìn)行測(cè)試,測(cè)試結(jié)果表明,混合算法在一定程度上避免陷入局部極小,加快收斂速度且提高了搜索精度。本文將AFSA算法與PSO算法組成的混合算法與RBF神經(jīng)網(wǎng)絡(luò)相結(jié)合,形成混合算法-徑向基神經(jīng)網(wǎng)絡(luò),并將其