基于改进ABC算法的中长期电力负荷组合预测.pdf

《基于改进ABC算法的中长期电力负荷组合预测.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第42卷第23期电力系统保护与控制Vb1．42N0．232014年12月1日PowerSystemProtectionandControlDec．1．2014基于改进ABC算法的中长期电力负荷组合预测陈强，金小明，姚建刚，杨胜杰，龚磊，吴兆刚(1．湖南大学电气与信息工程学院，湖南长沙410082；2．南方电网技术研究中心，广东广州510620；3．湖南湖大华龙电气与信息技术有限公司，湖南长沙410082)摘要：将人工蜂群(ABC)算法应用到中长期电力负荷预测中，通过与组合预测模型相结合，对组合预测目标函数进行优化权重求解。另外针对该算法的

2、早期收敛速度慢、后期容易陷入局部最优的缺点，通过引入扰动项，并进行最坏蜜源替代予以解决。实例分析证明该改进算法收敛速度快，全局寻优能力强。利用它求得的组合预测值，相对于单一模型的预测结果，精度有较大的提高，说明该改进算法应用到中长期电力负荷预测中是可行的。关键词：ABC算法；中长期电力负荷；组合预测；扰动项；0BL策略Improvedartificialbeecolonyalgorithmappliedtomediumandlong-termloadcombinationforecastingCHENQiang，JINXiao．ming，

3、YAOJian．gang，YANGSheng~ie’，GONGLei，WUZhao．gang(1．CollegeofElec~icalandInformationEngineering，HunanUniversity，Changsha410082，China；2．ElectricPowerResearchInstitute，CSG，Guangzhou510620，China；3．HunanHDHLElectrical&InformationTechnologyCo．，Ltd．，Changsha410082，China)Abstract：A

4、rtificialbeecolony(ABC)algorithmisappliedtothemediumandlongtermpowerloadforecasting．Combinedwiththecombinationforecastingmodel，itoptimizestheweightsofcombinationpredictioninobjectivefunction．Adisturbingtermandworsthoneysubstitutionareintroducedtoovercometheproblemsofslowc

5、onvergencespeedintheearlystageandeasyfallingtolocaloptimuminthelatestageoftheexistingABCalgorithm．Caseanalysisshowsthattheimprovedmethodhasrapidconvergenceandstrongglobaloptimization．Comparedwiththeforecastingresultofsinglemodel，thecombinationforecastingvaluebyusingtheimp

6、rovedmethodismoreaccurate，whichshowsitisfeasibleinthemediumandlongtermpowerloadforecasting．ThisworkissupportedbyNationalNaturalScienceFoundationofChina(No．51277059)．Keywords：artificialbeecolonyalgorithm；mediumandlong-termelectricityload；combinationforecasting；disturbingte

7、rm；OBLstrategy中图分类号：TM715文献标识码：A文章编号：1674．3415(2014)23．0113—05理论基础上，将人工蜂群算法(AtificialBee0引言Colony，ABC)应用到中长期电力负荷组合预测中，中长期电力负荷预测是电力系统调度运行、发应用于求解组合预测权重。展规划的前提，其精度对电力系统的安全、稳定、ABC算法是根据蜜蜂寻找蜜源的过程而开发可靠、经济运行起着至关重要的作用[1-2]。由于中出来的一种群体智能算法。它与遗传算法(Genetic长期电力负荷预测具有预测时问跨度大，影响因素Algorit

8、hm，GA)以及粒子群算法(ParticleSwarm较多的特点，而单一电力负荷预测模型只能模拟影Optimization，pso)相比，具有更好的全局寻优能响其中的一个或几个因素，因此难以得