PDF《基于改进灰色关联分析与蝙蝠优化神经网络的短期负荷预测》

h t t p : / / ww w.

a e p s - i n f o . c o m 基于改进灰色关联分析与蝙蝠优化神经网络的短期负荷预测 吴云1 ,雷建文1 ,鲍丽山2 ,李春哲3 ( 1. 东北电力大学信息工程学院,吉林省吉林市

1 3

2 0

1 2;

2. 国网江苏省电力有限公司信息通信分公司,江苏省南京市

2 2

1 0

0 0;

3. 国网吉林省电力有限公司辽源供电公司,吉林省辽源市

1 3

6 2

0 0 ) 摘要:针对短期负荷预测的精度问题, 文中提出基于改进灰色关联与蝙蝠优化神经网络的短期负 荷预测方法.在传统的灰色关联分析方法基础上, 引入以距离相似性和形状相近性相关联的综合 灰色关联度选取更高相似度的相似日.为缩小训练样本的差异程度, 提高预测精度, 利用相似日集 合中的样本来训练蝙蝠优化的反向传播( B P) 神经网络预测模型.以中国南方某城市的历史数据 作为实际算例, 将文中提出的基于改进灰色关联与蝙蝠优化神经网络的短期负荷预测方法与单纯 的BP神经网络法、 蝙蝠优化 B P神经网络法、 传统灰色关联与蝙蝠优化的 B P神经网络组合法的 预测结果相比, 结果表明文中方法的预测精度较高. 关键词:负荷预测;

神经网络;

蝙蝠算法;

灰色关联;

相似日 收稿日期:

2 0

1 8 -

0 1 -

2 5;

修回日期:

2 0

1 8 -

0 5 -

1 8. 上网日期:

2 0

1 8 -

0 9 -

0 7.

0 引言 短期电力负荷预测是电网运行调度、 生产规划 的重要组成部分, 它主要是对未来几时、 一天甚至几 天的电力负荷进行预测, 其主要用于安排短期调度 计划、 应对紧急情况, 是电力系统安全稳定和经济运 行的基础[

1 -

2 ] . 随着影响负荷预测因素的数量、 种类的增多, 随 机性以及分布特点变得复杂, 传统的负荷预测方法 的速度 与精度已经不能满足大数据环境下的要求[ 3] .越来越多的算法应用到负荷预测领域之中, 使得负荷预测的精度不断提高[

4 ] .文献[ 5] 把灰色 模型与神经网络的优点相互结合, 并采用遗传算法 对神经网络进行优化, 以此完成对短期电力负荷的 预测, 预测精度较单一的神经 网络方法有所提高. 然而该方法的训练样本中有很多异于待测日特征的 样本, 这不仅造成神经网络训练时间较长, 而且收敛 速度较慢.文献[ 6] 把改进的随机森林算法与灰色 投影相结合对电网短期负荷预测.该方法虽然通过 灰色关联投影法能够找到与待测日具有相似特征的 历史日, 但是找到的相似日只具备良好的负荷趋势 相似性, 而不具备良好的负荷曲线形状相似性[ 7] , 因 此预测精度也有待提高. 为弥补传统灰色关联分析法在选择相似日时只 考虑负荷特征曲线的几何相似程度而忽略了数值接 近程度的缺陷, 克服反向传播( B P) 神经网络泛化能 力差、 易陷入局部最优[ 8] 等不足, 本文提出了一种基 于改进灰色关联与蝙蝠优化神经网络的短期负荷预 测( I G R A - B A - B P) 方法, 并结合实际案例对该方法 进行了验证.结果表明, 相比现有的短期负荷预测 方法, 本文方法的预测结果有所提高.

1 选取相似日 1.

1 负荷影响因素的分析 短期电力负荷预测是依据电力负荷和其影响因 素的历史数据, 建立相关的预测模型, 对未来的电力 负荷进行科学的预测.气象因素是影响负荷变化的 重要因素, 它对负荷的影响主要体现在气象因素的 突变会导致电力负荷随之突然变化[