基于QPSO_RBF的电力系统短期负荷预测

《基于QPSO_RBF的电力系统短期负荷预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、维普资讯http://www.cqvip.com第36卷第18期电力系统保护与控制V_o1．36No．182008年9月16日PowerSystemProtectionandControlSep．16，2008基于QPS0一RBF的电力系统短期负荷预测田书，刘团结，胡艳丽，程传平(1．河南理工大学电气工程及自动化学院，河南焦作454000；2．新乡起重设备厂有限责任公司，河南新乡453000)摘要：针对径向基函数(RBF)网络在电力系统短期负荷预测中存在的问题，提出一种量子粒子群优化(QPSO)算法训练RBF网络的方法，在确定网络隐含层

2、节点个数后，将RBF网络各个参数编码成学习算法中的粒子个体进行优化，由此可在全局空间中搜索最优适应值的参数。用优化后的网络进行负荷预测，结果表明，该方法与传统的负荷预测方法相比，减少了训练时间并提高了预测精度，具有较好的应用前景。关键词：电力系统；负荷预测；径向基函数；量子粒子群算法Short-termelectricpowerloadforecastingbasedonQPSORBF—TIANShu，LIUTuan-jie，HUYan—li，CHENGChuan—ping(1．SchoolofElectricalEngineering

3、&Automation，HenanPolytechnicUniversityJiaozuo454000．China；2．XinxiangHoistingEquipmentFactoryCo．Ltd，Xinxiang453000，China)Abstract：Accordingtotheproblemsofradialbasisfunction(RBF)networkinelectricsystemshorttermloadforecasting，thispaperputsforwardamethodthatquantum—behaved

4、swarl~optimization(PSO)algorithmtrainRBFneuralnetwork．Afterconfirmedthenumberofnodesinhiddenlayer，allnetworkparametersarecodedtoindividualparticlestooptimizelearningalgorithm．Then，theparametercansearchoptimal—adaptivevalueinglobalspace．Usingtheoptimizednetworktoloadforec

5、astresultprovesthatthismethodnotonlyreducesthetrainingtimebutalsoimprovestheprecisionofpredictionthantraditionalnetworkalgorithm．Soitpossessesbestpotentialapplicationinthefieldofshort—term1oadforecasting．ThisprojectissupportedbytheNationalNaturalScienceFoundationoftheEdu

6、cationDepartmentofHenanProvince(No．20047002)．Keywords：electricpowersystem；loadforecast；radialbasefunction；quantum—behavedparticleSWOX1TIoptimizationalgorithm中图分类号：TM715文献标识码：A文章编号：1674—3415(2008)18—0006—04不确定性、随机性和模糊性的特点，对其进行精确0引言的预测也增加了一定的难度。电力工业是国民经济的基础工业。随着我国经济本文使用径向基

7、函数神经网络结合量子粒子群的发展和人民生活水平的提高，对电能的需求逐年加优化算法建立短期电力负荷预测模型，有效解决了大，同时对电力质量的要求也越来越高。在电力系统RBF网络在求解网络结构参数(中心、阈值和宽度中，负荷指电力需求量或用电量，负荷预测的结果用等)的最佳值的问题。结合河南省某地区电力负荷的来决定发电设备的容量，以及相应的输电和配电的容实际情况，对该预测方法进行探讨和研究。量，负荷预测精度的高低直接影响到电力系统运行的1RBF网络可靠性【JJ。因此，建立高精度的短期负荷预测模型，无论从工程需要还是从现代电力系统学科来看，都具RB

8、F网络是20世纪80年代由J．Moody和有十分重要的实践意义和理论意义。C．Darken提出的一种神经网络，一种性能很好的前由于电力系统负荷的变化受到多种复杂因素的向神经网络模型。它不仅具有良好的推广能力