基于改进蚁群神经网络的短期负荷预测

基于改进蚁群神经网络的短期负荷预测

ID:46293302

大小:388.35 KB

页数:5页

时间:2019-11-22

基于改进蚁群神经网络的短期负荷预测_第1页
基于改进蚁群神经网络的短期负荷预测_第2页
基于改进蚁群神经网络的短期负荷预测_第3页
基于改进蚁群神经网络的短期负荷预测_第4页
基于改进蚁群神经网络的短期负荷预测_第5页
资源描述:

《基于改进蚁群神经网络的短期负荷预测》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、第32卷第5期四川电力技术V0】.32。No.52009年1O月SichuanElectricPowerTechnologyOct.。2009基于改进蚁群神经网络的短期负荷预测周曲,邱晓燕(四川大学电气信息学院,四川成都610065)摘要:在传统神经网络负荷预测的基础上,采用蚁群算法优化神经网络的权值,同时再用模糊逻辑对影响负荷的随机因素进行修正,提出了改进的蚁群神经网络算法对四川某500kV变电站进行短期负荷预测,结果表明这一算法能获得较高的预测精度,是一种行之有效的短期负荷预测方法。关键词:短期负荷预测;蚁群算法;BP神经网络;模糊逻辑Abstract:Base

2、donthetraditionalNN(neuralnetwork)loadprediction,antcolonyalgorithmisusedtooptimizetheweightsofNN.Then,thefuzzylogicisusedtomodifytherandomfactorwhichinfluencestheload,andanantcolonyneuralnetwork(ACONN)algorithmisproposed.Practicalexampleindicatesthattheapplicationisfeasibleandefective

3、,whichcanobtainmoreaccurateresultthantheconventionalmethods.Keywords:short—termloadforecasting;antcolonyalgorithm;BPneuralnetwor[t;fuzzylogic中图分类号:TM714文献标志码:A文章编号:1003—6954(2009)05—0058—04将其运用于电力系统短期负荷预测。0引言1蚁群优化算法的基本原理电力系统短期负荷预测是调度中心制订发电计划及发电厂报价的依据,也是能量管理系统(EMS)蚁群优化算法(ACO)是受到蚂蚁群搜索食物的

4、重要组成部分,对电力系统的运行、控制和计划都过程的启发而产生的,通过对蚂蚁群行为的研究,发有着非常重要的影响。现蚂蚁个体行为虽然非常简单,但由简单个体所组成目前电力系统短期负荷预测方法大致可以分为的群体却表现出极其复杂的行为。蚂蚁个体之间通两类⋯。一类是以时间序列法为代表的传统方法,过一种称之为外激素的物质进行信息传递,即蚂蚁在例如时间序列法、回归分析法、状态空间法等,这些方运动过程中在它所经过的路径上撒播该种物质;而且法算法简单,速度快,应用广泛,但由于电力负荷变化蚂蚁能够通过感知这种物质来指导它们运动方向。受天气情况(如季节更替、天气因素突然变化等)和因此,由大

5、量蚂蚁组成的蚁群的集体行为便表现出一人们的社会活动(如重大文体活动、节假日等)等因种信息正反馈过程:即某一路径上走过的蚂蚁越多,素的强烈影响,存在大量非线性关系,使得这些方法则后来者选择该路径的概率就越高。蚂蚁个体之间的模型很难准确描述预测负荷的实际,故精度较差。就是通过不断的信息交流来实现搜索食物的目的,为另一类是以人工神经网络为代表的新型人工智清晰起见,该过程可以用图1来描述J。能方法,该算法具有很强的记忆能力、非线性映射能力以及强大的自学习能力,因而能够迅速地拟合出负荷变化曲线。然而网络的训练通常是一个复杂的大规模优化问题,随着训练样本集和网络初始权值的变化,

6、网络的训练结果随机性较大,存在着收敛速度慢和容易陷入局部极值等缺点,这给实际建模带来了一定的困难。针对神经网络的不足,应用蚁群优化算法图1蚂蚁搜索食物示意图对其进行改进,提出蚁群神经网络(ACONN)算法,并设A是蚁巢,E是食物源,HD为障碍物。由于·58·第32卷第5期四川电力技术Vo1.32,No.52009年10月SichuanElectricPowerTechnologyOct.。2009障碍物的存在,蚂蚁只能由A经H或D到达E,或由⋯,k;Z=1,2,⋯,m)是第二层与第三层间的连接权,E经H或D到达A,各点之间的距离如图所示。设6,62,⋯,6是阀值。每

7、个时间单位有30只蚂蚁由A到达B,有30只蚂蚁由E到达c,每只蚂蚁过后留下的激素量(一般称为信息素,InformationElement,IE)为l。在初始时刻t。,由于路径BH、BD、CH、CD上均无信息素存在,位于B和C的蚂蚁可以随机选择路径。从统计的角度可认为是以相同的概率选择这四条路径。经过一个时间单位后,由于BHC的长度是hkBDC长度的两倍,假设个体撒播的lE是相等的,则图2三层BP神经网络模型BDC上的信息素量是BHC上的两倍。因此t时刻,nhi:l∑∞if×i一日,)将有20只蚂蚁由B和C到达D,有10只蚂蚁由B和J=1,2,⋯,k(i)C到达H

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。