欢迎来到天天文库
浏览记录
ID:52487816
大小:352.10 KB
页数:5页
时间:2020-03-28
《改进蚁群化学聚类算法在短期负荷预测中的应用.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40卷第4期电力系统保护与控制VO1.40No.42012年2月16日PowerSystemProtectionandControlFeb.16,2012改进蚁群化学聚类算法在短期负荷预测中的应用曾利军,陈敏,罗细飞(1.湖南工学院计算机科学系,湖南衡阳421002;2.湖南工学院电气与信.gx_~g,湖南衡阳421002)摘要:针对现有电力系统短期负荷预测精度低、数据处理量大、易陷入局部寻优等缺点,提出了一种改进蚁群化学聚类方法。该方法通过在蚁群化学聚类算法的基础上引入核函数来优化负荷预测因素,减少在训练过程中的数据量,提高了预测速度和精度。经过对湖
2、南某市的短期负荷预测,并与SVM及神经网络对比,其结果表明该预测模型精度高于SVM与神经网络模型精度。理论分析和实验数据验证了该算法具有一定的实用性和可行性。关键词:核函数;短期负荷预测;蚁群化学聚类;局部寻优ApplicationofimprovedAntClustalgorithminshort-termloadforecastingZENGLi-jun,CHENMin,LUOXi.fei(1.ComputerScienceDepartment,HunanInstituteofTechnology,Hengyang421002,China;2.Dep
3、artmentofElectrical&InformationEngineering,HunanInstituteofTechnology,Hengyang421002,China)Abstract:Inordertoimprovetheprecisionofshort—termloadforecastingandovercomethedisadvantagesoflargeamountofdataandeasytobelocallyoptimized,animprovedAntClustalgorithmispresented,whichusesthe
4、kemelfunctiontooptimizefactorsofloadforecastingandtodecreasethedataamountinthetrainingprocessbasedonAntClustalgorithm.ThemethodCanincreasetheforecastingspeedandimprovetheprecision.Throughtheshort-termloadforecastinginacityofHunan,theresultshowsthatthealgorithmhasabetterforecastin
5、gaccuracycomparedwiththemethodsofSVMandneuralnetwork.Theoreticalanalysisandexperimentalevidencesshowtheeficiencyandfeasibilityofthealgorithm.Keywords:kernelfunction;short—termloadforecasting;AntClustalgorithm:localoptimization中图分类号:TM715文献标识码:A文章编号:1674—3415(2012)04—0059—04模型的自由选
6、择优势如基函数的设置、参数的优化0引言等,故该方法可将训练转换成全局最优化问题。而目前电力负荷预测方法已有许多种,但由于影人工智能神经网络ljANNfArtificialNeuNetwork)响负荷的因素比较复杂并且大多数为非线性结构,存在计算复杂、收敛速度低、易陷入局部最优点、给精确的电力负荷预测带来了一定的困难。虽然电只适合离散组合优化而不适合连续变量的优化等问力负荷预测的研究与应用已有多年的研究,但至今题,使其应用于实际应用领域受到限制。本文提出为止没有一种负荷预测方法适用一切电力系统。现了一种改进蚁群化学聚类算法和神经网络模型结合在的负荷预测方法
7、一般而言是适用于参数已知情况的预测方法,首先采用基于改进蚁群化学聚类算法及特定场合。算法来寻找与负荷最直接相关的影响因素,然后用传统的电力预测方法有回归法、灰色系统法、得到的结果作为BP网络的输入进行训练预测。这相关分析法及时间序列法等等【lJ。20世纪90年代,样,既全面考虑了影响负荷预测的各种因素,又避一种新的通用学习方法一支持向量机SVM免了由于输入变量过多而导致的神经网络拓扑结构(SupportVectorMachine)广泛应用于函数回归、复杂、训练时间过长的问题。本文首次采用该方法模式识别等问题中。该方法利用统计学理论及具有应用于电力负荷预测
8、中,为负荷预测提供了一种新基金项目:湖南教育厅科学研究项目(09C297);湖南
此文档下载收益归作者所有