（计算机应用技术专业论文）一种新型算法的短期负荷预测.pdf

华北电力大学硕士学位论文 摘要 本文通过对电力系统短期负荷预测特性和现有预测方法的深入研究，提出了一 种新型算法的短期负荷预测模型。文章首先设计一个体现大融合思想的共享式全局 寻优算法( s g o a ) ；接下来对g a u s s n e w t o n 前馈神经网络进行结构动态优化，实现 一种新的基于重置的变结构前馈神经网络；然后在确定该网络层数和各层神经元个 数的同时，充分考虑气候、温度等因素的影响，对它们进行模糊化处理后作为网络 的输入。最后利用s g o a 来优化训练网络参数，并将其应用于电力系统短期负荷预 测实例中。试验结果表明，本文设计的s g o a 重置变结构前馈神经网络充分发挥了 s g o a 和重置变结构前馈神经网络处理非线性问题的优势，有效地提高了神经网络的 训练效率和预测精度。 关键词：共享式全局寻优算法；前馈神经网络；重置算法；短期负荷预测 a b s t r a c t b a s e do i lt h o r o u g hr e s e a r c ht ot h ec h a r a c t e r i s t i co ft h es h o r t - t e r ml o a df o r e c a s t i n go f e l e c t r i cp o w e ts 3 ，s t e ma n dt h ee x i s t i n gf o r e c a s t i n gm e t h o d s ，as h o r t - t e r ml o a df o r e c a s t i n g m o d e lw a sp r o p o s e d ，w h i c ha d o p t e dan e wa l g o r i t h md e s i g n e da n dd e v e l o p e di nt h i sp a p e r f i r s t l y ，t h es g o am a n i f e s t i n gat h o u g h to ft h ea d e q u a t ef u s i o nw a sd e s i g n e d t h e nan e w f e e df o r w a r dn e u r a ln e t w o r kb a s e do nt h ee a r l y - r e s t a r tc h a n g e d - s t r u c t u r ea i g o r i t h mw a s p r o p o s e da f t e rd y n a m i co p t i m i z i n gt ot h eg a u s s n e w t o nf e e df o r w a r dn e u r a ln e t w o r k w h e nd e t e r m i n e i n gt h en u m b e ro fl a y e ro fn e t w o r ka n dt h en e u r o no fe a c hl a y e r , t h e i n f l u e n c eo ff a c t o r ss u c ha sc l i m a t e , t e m p c r a t u r ew e r ec o n s i d e r e da n dc a r r i e do nf u z z y p r o c e s s i n gb e f o r et a k i n gt h e ma st h ei n p u t so ft h en e t w o r k f i n a l l yt h es g o aa l g o r i t h mi s u s e dt o o p t i m i z ea n dt r a i nt h en e u r a ln e t w o r l t h e ni sa p p l i e di nt h es h o r t - t e r ml o a d f o r e c a s t i n go fe l e c t r i cp o w e rs y s t e m 1 1 1 er e s u l t si n d i c a t e dt h a tt h ei m p r o v e dn e u r a ln e t w o r k p r o p o s e di n t h i sp a p e rs u f f i c i e n t l y d i s p l a y e dt h es u p e r i o r i t yo ft h es g o aa n dt h e e a r l y - r e s t a r tc h a n g e d - s t r u c t u r ef e e df o r w a r dn e u r a ln e t w o r ki np r o c e s s i n gn o n - l i n e a r p r o b l e m a n de f f e e t i v e l ye n h a n c e dt h et r a i n i n ge m c i e n c yo fa n df o r e c a s tp r e c i s i o no fn e u r a l n e t w o r k d uj u a n ( c o m p u t e r a p p l i c a t i o nt e c h n o l o g y ) d i r e c t e db yp r o f w a n gc u i r u k e yw o r d s ：s h a r e d g l o b a lo p t i m i z a t i o n a l g o r i t h m ；f e e df o r w a r dn e u r a ln e t w o r k ； e a r l y - r e s t a r ta l g o r i t h m ；s h o r t - t e r ml o a df o r e c a s t i n g l 声明 本人郑重声明：此处所提交的硕士学位论文一种新型算法的短期负荷预测，是 本人在华北电力大学攻读硕士学位期间，在导师指导下进行的研究工作和取得的研究成 果。据本人所知，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表 或撰写过的研究成果，也不包含为获得华北电力大学或其他教育机构的学位或证书而使 用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说 明并表示了谢意。 学位论文作者签名：日期： 关于学位论文使用授权的说明 本人完全了解华北电力大学有关保留、使用学位论文的规定，即：学校有权保管、 并向有关部门送交学位论文的原件与复印件；学校可以采用影印、缩印或其它复制手 段复制并保存学位论文：学校可允许学位论文被查阅或借阅；学校可以学术交流为 目的，复制赠送和交换学位论文；同意学校可以用不同方式在不同媒体上发表、传播 学位论文的全部或部分内容。 ( 涉密的学位论文在解密后遵守此规定) 作者签名： 日期： 导师签名： 日期： 华北电力大学硕士学位论文 第1 章绪论 科学的预测是正确决策的依据和保证负荷预测是电力系统领域的一个传统研 究问题，是指从已知的电力系统、经济、社会、气象等情况出发，通过对历史数据 的分析和研究，探索事物之间的内在联系和发展变化规律，对负荷发展做出预先估 计和推测。负荷预测是电力系统规划、计划、用电、调度等部门的基础工作，其重 要性早已被人们所认识。 1 1 本课题研究的目的和意义 在电力系统安排生产计划和实际运行的过程中，负荷预测起着十分重要的作 用，主要表现在以下几个方面： ( 1 ) 经济调度的主要依据。对电力系统来说，必须对用户提供可靠而经济的电 能，以随时满足各类用户的要求，即满足用户的负荷需求，而在另一方面，又要考 虑生产成本，由于电能不能大量储存，因此必须在确保系统安全的情况下尽量减少 实时发电备用容量。精确的负荷预测，可以使电力企业最经济地安排机组生产；利 用精确的负荷预测对水电系统可以确定最优的水库放水和机组投产计划；对火电系 统而言，可以确定机组按最经济地组合启停生产；对水火电结合的系统，可以确定 系统按最经济的状态进行水电火电分配；对联网的系统，精确的负荷预测不但决定 系统按最经济的线路进行电能传输，还可决定系统按最经济的形式向邻网输电和购 电。 ( 2 ) 生产计划的要求。电力系统中，由于其可靠性的要求，各种发、供电设备 都有确定的检修周期。精确的负荷预测，可使电力企业合理安排各种设备的大修、 小修及轮换计划，也有利于企业制定原料购置计划，如燃料、水的合理配置等 ( 3 ) 电力系统安全分析的基础。电力事故所造成经济损失和社会影响是巨大 的，必须尽量避免以精确的负荷预测为基础的安全分析，使得出的结论接近真实， 是发现系统临界状态的重要依据，这些信息帮助和提醒调度员进行必要的操作以确 保电力系统的安全性。 ( 4 ) 实时调度的参考。负荷预测的信息给调度人员一个实时信息，以保证调度 员经济、可靠地在线操作。 目前短期负荷预测在电力系统中的应用范围最为广泛，它的意义在于： 1 为了能对运行中的发电厂的出力要求电机组出力变化的情况事先得以估计， 对于装机容量不大的孤立电网，短期负荷预测是必要的。 2 对于一个大电网，为了经济效益和合理地安排本网内各发电机组的启动和停 机，使系统在要求的安全范围内，保持必要的旋转储备容量的耗费为最小，短期负 华北电力大学硕士学位论文 荷预测也是必要的。 3 当电网进行计算机在线控制时，应当用短期负荷预测的信息来实现发电容量 的合理调度，满足给定的运行要求，同时使发电成本为最小。 1 2 目前国内外研究现状 随着现代科学技术的快速发展，负荷预测技术的研究也在不断深化，各种各样 的负荷预测方法不断涌现，从发展时间来分，可以分为传统负荷预测方法和现代负 荷预测方法。从预测模型来分，可以分为单一智能预测方法和综合智能预测方法。 单一智能预测方法指的是只利用一种智能方法的模型，显然综合智能方法就是综合 了多种智能方法的模型。 1 单一预测方法“) 【幻 如神经网络法，小波分析法，模糊理论法，专家系统法均属于单一预测方法 无论是哪种单一的预测方法均具有不足和缺陷，随着对负荷预测的深入研究和广泛 应用，单一的预测方法的应用越来越难以适应发展的需求，现在人们开始探索和研 究综合多种智能方法的预测模型。 2 综合智能预测方法 单一的方法均有其优缺点，研究者考虑把多种智能方法综合在一起，实现其优 缺点的互补，提高负荷预测模型的性能，从而提高负荷预测的精度，一般有松散 结合；并联型结合；串联型结合；网络学习型结合：结构等价型结合。 1 9 9 1 年，p a r k d c 日1 等人首次将人工神经网络引入负荷预测，电力系统负荷预 测理论方法也从传统的统计学预测方法发展到智能化的人工神经网络及专家系统 方法，并在实际应用中取得了良好的效果。由此，国外的负荷预测方法也就是围绕 着人工神经网络以及模糊逻辑在进行讨论。 p k d a s h i “1 等人采用了一种新的实时的函数链网络( f u n c t i o nl i n kn e t ) 对一 星期或2 4 小时的负荷进行预测。该网络是一种特殊的神经网络，能够同时进行有 监督及无监督的学习，并且对同一配置具有相同数据结构的网络能够进行联想式的 恢复功能，该网络的学习算法为均方根最小误差法进行权值的确定，输入变量为2 5 个傅立叶函数序列和三个温度变量( 都是每小时的温度值) 。由于该网络的自适应 特性，文献指出，该网络对于季节以及天气的变化也能预测出很好的结果。 文献 5 提出了基于优先向量法的专家系统负荷预测方法。优先向量法是分析 各种因素对目标变量影响的相对重要性的一种方法。预测方法如下：先用专家知识 对历史数据进行过滤，形成与预测时间天气变量比较类似的相似集，然后用优先向 量法将非定量因素( 如日期类型和小时) 转化为定量信息，最后对相似集进行最小 平方拟合，得到负荷随温度、温差、日期类型和小时变化的线性模型，用于负荷预 2 华北电力大学硕士学位论文 测。 d k r a n a w e e r a 伽采用径向基函数网络对短期负荷进行了预测。该文献预测分为 两个模型，第一个模型用r b f 网络预测出第二天的峰值负荷，然后另外一个模型 预测第二天的总负荷，每个模型都由七个不同的网络组成。文献中的径向基函数用 k 均值聚类( k - m e a n sc l u s t e r i n g ) 确定中心，用线性最小方差法( l i n e a rl e a s t s q u a r e sr e g r e s s i o n ) 对输出权值进行训练。最后用美国太平洋燃气电力公司1 9 8 5 年的数据进行验证，结果表明，该网络具有比b p 网络更精确的结果。 a g b a k i r t z i s 【7 1 采用了一种模糊神经网络并应用于希腊的电网中，这也是真正 把模糊系统和神经网络结合起来，并应用于负荷预测中。作者建立了一个模糊专家 系统，由于该模糊系统和神经网络的结构相似性，该系统采用了神经网络进行参数 辨识 国内负荷预测也紧跟国外的步伐，正积极开展广泛而深入的研究。 电力科学研究院的于尔铿、汪峰等人长期从事e u s d m s 和电力市场的研究， 在其关于能量管理系统e m s 的讲座”1 中，系统地阐述了电力系统负荷预测的方法， 并强调了样本空间对于神经网络短期负荷预测方法的重要性。 文献 9 把粗糙集和神经网络相结合，建立短期负荷预测模型。采用粗糙集理 论对各种影响负荷预测的因素变量进行识别，以此确定预测模型的输入变量；在此 基础上通过属性约简和属性值约简获得推理规则集，再以这些推理规则构筑神经网 络预测模型，并采用附加动量项的b p 学习算法对网络进行优化。 文献 1 0 为了有效地选取预测变量和训练模式、提高预测精度，提出了一个基 于数据挖掘技术的负荷预测模型，该模型首先利用粗糙集理论和遗传算法选取与负 荷相关的预测变量，再选取与预测日相似的训练模式，最后利用神经网络对负荷进 行预测。 文献 1 1 提出了一种基于组合式神经网络的短期电力负荷预测模型。该模型综 合运用神经网络、模糊聚类分析和模式识别理论方法进行建模。采用模糊聚类分析 方法，以每天的2 4 点负荷数据、天气数据以及天类别数据为指标，将历史数据分 成若干类别，并建立相应的神经网络预测模型；通过模式识别，批出与预测天相符 的预测类别，利用相应的神经网络预测模型进行2 4 小时的短期电力负荷预测对 绍兴地区2 年多的实际负荷变化数据进行预测分析的结果表明，该模型不仅对普通 工作日有较高的预铡精度，对双休日、节假日和一些特殊情况也有较好的预测精度。 文献 1 2 提出了电力负荷预测的遗传规划方法。利用遗传规划方法自动找出与 负荷变化密切相关的因素。用其作为自变量，生成函数表达式来体现负荷的变化规 律，建立负荷预测模型。针对江苏省1 9 8 4 年全年用电量进行预测，相对误差为 1 8 文献 1 3 提出了一种规范化的可以直接考虑各种相关因素的短期负荷预测新 3 华北电力大学硕士学位论文 策略，这种策略不仅可以考虑已经被详细研究过的气象因素，而且可以同时考虑一 般性的分类指标，如工作日休息日，正常日节假日等。设计了一个规范化的相关 因素映射数据库，用以反映不同影响因素在映射函数上的差异。根据模式识别的基 本原理，应用聚类分析方法描述由于相关因素的不同而导致的待预测日与历史日之 间的差异程度。作为这种预测策略的一个应用，实现了一种基于相关因素匹配的短 期负荷预测方法。实际测试表明，平均绝对值相对误差在1 4 以下 文献 1 4 应用自适应模糊系统理论的最新成果实现实用化的预测系统，并具体 应用在电力负荷预测中，系统模糊参数的辨识通过梯度下降法进行通过合理的设 计实现简洁的系统结构，通过在线训练确定优化的系统设置。文献指出，短期负荷 预测的日平均相对误差小于2 。 文献 1 5 提出了一种将混沌和神经网络相结合的方法用于短期负荷预测。利 用混沌方法重构相空间系统吸引予，用前向神经网络拟和吸引子上的全局整体映 射，构成了混合预测模型。在实际应用中，将基于奇异值分解的噪声消减滤波算法 应用到数据的预处理中，并用混沌学习算法来训练神经网络参数，预测结果表明了 该方法的有效性。 文献 1 6 构建了一种新型的负荷预测模型。模型采用多层前馈神经网络，以与 预报点负荷相关性最大的几种因素作为输入因子，以改进的b p 算法作为预测算法， 来获得预报日相似日负荷曲线；然后引入自适应模糊神经网络，用于预测预测日的 最大、最小负荷；针对模糊神经元的权值更新问题，采用一种新的权值更新算法一 一步搜索寻优法，通过纵向变换，对预测日的负荷修正，进一步减小预测误差。用 上述模型和算法预测某地区电网的短期负荷，取得了良好的预测效果。 文献 1 7 针对b p 神经网络、r b f 神经网络和小波神经网络应用于负荷预测时所 遇到的问题，提出了一种基于各种神经网络的组合预测模型。该模型为单输出的3 层神经网络，即将3 种神经网络的预测结果作为神经网络的输入，将实际负荷值作 为神经网络的输出，使训练后的网络具有预测能力仿真结果表明，所提出的组合 预测模型的精度高于其中任一单一网络模型，也高于传统的线性组合预测模型。 文献 1 8 介绍了一种整合神经网络、专家系统和动态聚类多种智能方法为一体 的短期超短期预测模型，综合考虑了气象、节假日等负荷影响因素。系统在江西 省电力调度中心运行以来，超短期精度达到9 9 7 ，短期达到9 7 ，达到了预期 目标。 文献 1 9 针对神经网络权值学习算法的不足，结合遗传算法和禁总算法各自的 优势，建立了遗传禁忌神经网络预测模型。实际应用表明，与遗传算法相比，该模 型具有收敛速度快、预测精度高等优点，具有满意的预测效果。 综上所述，电力系统短期负荷预测模型的研究，在过去几十年中有了很大的发 展，提出的各种预测方法和模型不下几十种，其发展趋势的特点总体上可归纳为四 4 华北电力大学硕士学位论文 个方面： i 预测模型从简单到复杂； 2 智能技术用于短期负荷预测； 3 越来越多的影响负荷变化的因素被考虑； 4 从单一模型预测到多模型组合预测。 1 3 本文工作的主要内容 本文主要致力于短期负荷预测系统的研究，主要思想是针对目前电力系统短期 负荷预测存在的几个问题，分别从负荷特性的分析、主要算法的创新、神经网络的 结构优化、负荷预测的建模以及仿真试验等整个预测体系来解决这些问题。 第2 章，主要分析了负荷的内在规律与外在特征，并分析比较了现有预测方法 韵适用范围及其优缺点其中重点分析了几种影响负荷变化的主要因素，为本课题 下面如何有效地考虑这些因素，提高预测精度，打下了坚实的基础。 第3 章，本章首先分析了当前国内外6 种采用不同搜索和选择机制的具有旺盛 生命力的智能算法的特点以及它们在近些年表现出来的突出的融合趋势，然后将这 6 种全局寻优智能算法用一种特定的方法将它们组合起来，使它们在同时寻优的过 程中可以相互交换寻优信息，从而形成一种体现大融合思想的共享式全局寻优算法 ( s g o a ) 。实验过程中用j a v a 语言编制该算法的程序，并且通过计算实例来验证该算 法的有效性和实用性。 第4 t ，针对神经网络结构难以优化的问题，本章尝试将重置算法( e a r l y r e s t a r ta l g o r i t h m ) 应用于g a u s s n e w t o n 前馈神经网络的结构动态优化中。分析研 究重置算法中最佳重置时间的性质，实现一种新的基于重置的g a u s s n e w t o n 动态前 馈神经网络即重置变结构前馈神经网络。然后，就传统的最小二乘法与重置变结构 前馈神经网络进行比较试验，来验证重置变结构前馈神经网络最优组合权重确定的 优越性 第5 章，首先确定重置变结构前馈神经网络的网络层数和各层的神经元个数， 然后针对电力系统短期负荷预测的复杂性，对网络的输入、输出负荷值进行归一化 处理，同时对输入网络的影响因素向量，如工作日、温度、天气情况等，进行基于 隶属度函数的模糊化处理。利用共享式全局寻优算法( s g o a ) 来优化训练重置变结 构前馈神经网络的参数，建立s g o a 重置变结构前馈神经网络模型，并将其应用于 电力系统短期负荷预测的实例中。最后分别通过s g o a 重置变结构前馈神经网络模 型和b p 神经网络模型对某日各小时负荷及连续一周日负荷进行预测，用以验证s g o a 重置变结构前馈神经网络的优越性 第6 章，本文得出的结论和下一步发展方向。 华北电力大学硕士学位论文 第二章电力短期负荷预测分析 负荷的特性决定了预测模型的建立，而预测模型是预测精度的关键因素为了 能准确地预测负荷，我们必须对电力负荷时间序列的性质有一个较为深入的认识， 对负荷序列的特性及各种外在的影响因素有充分的掌握及了解。电力负荷一方面按 一定趋势有规律的发展变化着；另一方面，又受到众多因素的影响，随时会发生变 化在进行电力系统负荷预测时，针对负荷预测的这些特点，既要充分分析、掌握 并利用其规律性，又要兼顾各种因素的影响。 进行预测之前，首先要对所预测地区的负荷进行负荷规律及其影响因素的分 析。只有充分掌握了当地的负荷特点及变化规律，才能建立符合实际情况的预测模 型，从而提高预测精度。 2 1 电力负荷特性分析 2 1 1 电力负荷的分类 一般而言，负荷主要包括城市民用负荷、商业负荷、农村负荷、工业负荷以及 其他负荷( 包括市政用电、公用事业、政府办公、交通、军用以及其它) 负荷组 成的差异主要体现在负荷的种类和各种负荷成分所占比重两个方面。因为不同的组 成成分对各种影响因素会表现出不同的响应特性。可见负荷的具体组成对负荷特性 具有根本性和决定性的影响。 城市民用负荷主要是城市居民的家用负荷，它具有明显的年增长与季节性波动 特点居民负荷的季节性变化在很多情况下，直接影响系统峰值负荷的季节性变化， 而其影响程度则取决于城市居民负荷在系统总负荷中所占的比例。 商业负荷季节性波动相对较小，其主要是指商业部门里的照明、空调、动力等 用电负荷，其覆盖面积大，用电增长平稳，虽然在电力负荷中所占的比重不及工业 负荷和民用负荷，但商业负荷中的照明类负荷占用电力系统高峰时段。此外，商业 部门由于商业行为在节假日会增加营业时间，从而成为节假日中影响电力负荷的重 要因素之一。 工业负荷是指工业企业用于工业生产的用电。在我国国民经济结构中，除个别 地区外，工业负荷的比重在用电构成中居于首位，它不仅取决于工业用户的工作方 式( 包括设备利用情况、企业的工作班制等) ，而且还与各工业的行业特点、季节 因素都有紧密的联系。 农村负荷则是指农村居民用电和农业生产用电。此类负荷与工业负荷相比，受 气候、季节等自然条件的影响很大，这是由农业生产的特点所决定的 6 华北电力大学硕士学位论文 2 1 2 电力负荷的内在规律 负荷的内在规律主要体现为负荷变化的周期性，一般可细分为：年周期性、周 周期性和日周期性。此外，电力负荷还具有一定的连续性。 正是因为负荷具有可以为人们所利用的内在规律，所以才使负荷预测成为一种 可能。负荷的周期性为人们进行负荷预测提供了依据。而连续性为人们描绘非线性 曲线，构造非线性函数，进行负荷预测提供了保障。 2 1 3 电力负荷的外在特性 负荷的外在特性是指负荷随外在影响因素的变化而变化的过程中所体现出来 的特征。影响因素按着作用时间及效果的角度来分，这些影响因素一般可按其表现 分为两类：一类是宏观影响因素；另一类是微观影响因素。其中，宏观影响因素是 指那些对负荷具有长期效应的影响因素，这些因素对负荷的影响表现为负荷变化的 长期趋势性，如经济因素：微观影响因素是指那些对负荷的影响具有短期效应的因 素，它们对负荷的影响表现为短期时间内负荷的相对波动性，如温度、降雨量、湿 度、日照等。本文主要研究短期负荷预测，短期负荷预测需要考虑的影响因素主要 有以下几种： ( 1 ) 时间因素。双休日负荷水平低于工作日，重大节假日则更有明显的幅度下 降和曲线形状变化，各个季节也有较大的变化。 ( 2 ) 气象因素。温度是影响短期负荷最主要的因素，湿度、云量、降雨量、日 照以及舒适度指数也对负荷的变化产生影响，尤其是夏天表现得更为明显 ( 3 ) 在电力市场环境下，负荷的变化还与分时电价有关。 ( 4 ) 随机因素。其他大量引起负荷变化的随机因素也经常存在，例如大负荷用 户的用电调整以及重大的政治经济活动等。 2 2 现有预测方法 从上个世纪五十年代以前就开始了短期负荷预测方法的研究和应用。迄今为 止，短期负荷预测方法大致可以分为两类：即传统预测方法和现代预测方法。 2 2 1 传统预测方法 传统预测方法的原理比较简单，理论比较成熟，因此至今仍有应用。但是这些 方法采用的数学模型过于简单，其参数难以及时、准确地进行估计和调整，且不能 反映负荷的突然变化，因此它们不能利用数学模型来比较精确的描述负荷的变化规 律及其它负荷影响因素，从而使这些方法难以获得较高预测精度。 传统预测方法一般包括：趋势分析法、回归分析法、指数平滑法、单耗法、负 7 华北电力大学硕士学位论文 荷密度法、弹性系数法等等 2 2 2 现代预测方法 2 0 世纪8 0 年代后期，一些基于新兴学科理论的现代预测方法逐渐得到了成功 应用这其中主要包括灰色系统理论、专家系统、神经网络、模糊预测理论、混沌 理论、小波分析等等。 除此之外，还有模拟进化算法、仿生算法、各种单一算法的改进、组合预测方 法和其他算法等。在此，我们只对一些对本课题研究有着深刻意义的算法给予简单 介绍： i 模拟进化算法 模拟进化算法扭0 3 是模仿生物进化规律的仿生智能随机优化算法，主要包括遗传 算法( g a ) 、进化规划( e p ) 、进化策略( e s ) 、遗传规划( g p ) 。模拟进化算法是一类框 架性的算法，具有广泛的适应性、并行性、鲁棒性和全局优化性等优点以及对求解 问题的目标函数无连续、可微等要求，具有很强的通用性和灵活性，因而在电力系 统的短期负荷预测中得到了应用和关注。本文后面的算法设计中主要用到其中的遗 传算法。 2 仿生算法 近些年来，随着人工智能和人工生命的兴起，陆续出现了一些新型算法，其中 较具代表性的有蚁群算法、鱼群算法和粒子群算法。 人工鱼群算法 人工鱼群算法是一种基于模拟鱼群行为的随机搜索优化算法，其主要利用鱼的 觅食、聚群和追尾行为，通过鱼群中各个体的局部寻优来达到全局最优值在群体中 突现出来的目的。它的主要特点是不需要了解问题的特殊信息，只需要对问题进行 优劣的比较，算法拥有较快的收敛速度 蚁群算法 a c o 算法是个体之间通过一种称之为外激素的物质进行信息传递的，即蚂蚁在 运动过程中在它所经过的路径上撒播该种物质；而且蚂蚁能够通过感知这种物质来 指导它们的运动方向。其主要特征是：正反馈作用有助于快速发现较好的解；分布 式的计算可避免迭代过程中的早熟现象；启发性收敛则使搜索过程中更早发现可接 受的解成为可能。 粒子群算法( p s o ) p o s 是源于对鸟群捕食行为的研究。所有的粒子都有一个由优化目标函数决定 的适应值以及一个决定它们飞行方向和距离的速度。优化过程中，粒子们追随当前 的最优粒子在解空间中搜索。p s o 和g a 一样属于多个体寻优，每个粒子根据自己的 速度进行搜索，整个搜索更新过程是跟随当前最优解的过程。 t 华北电力大学硕士学位论文 这三种仿生算法在后面第三章的s g o a 算法设计中都有用到。 3 优化组合预测方法” 是基于神经网络的优化组合权重确定，即：引入b p 神经网络等各种模型来确 定组合预测方法的最优组合权重。组合方法中预测模型的最优组合权重已经隐含在 了网络的连接权重中，而且能够充分反映各个预测模型的预测值与样本真实观测值 之间的非线性关系。因此基于b p 神经网络模型的组合预测方法能够有效地提高预 测精度。 本文的设计理念恰恰是借鉴优化组合预测方法的原理，将设计的s g o a 算法与 后面实现的重置变结构前馈神经网络相结合，建立s g o a 重置交结构前馈神经网络 的预测模型，其中利用引入的重置变结构前馈神经网络模型来确定组合预测方法的 最优组合权重。 2 2 3 现有预测方法的分析与比较 各种预测方法从研究的角度、建模的出发点到数据的形式、数据样本大小以及 适用条件等都有所不同，因而要想将各种方法摆在同一尺度规范下进行比较是相当 困难和不科学的。 ( 1 ) 从适用条件看传统预测方法，如：回归分析法和趋势分析法致力于统计规 律的研究与描述，适用于大样本，且过去、现在和未来发展模式一致的预测；指数 平滑法是利用惯性原理对增长趋势外推，实现“重近轻远”的预测原则；单耗法一 般根据历史统计数据，在分析影响单耗的诸因素的变化趋势基础上，确定单耗指标， 然后依据国民经济和社会发展规划指标预测电力需求；灰色模型法是通过对原始数 据的整理来寻求规律，致力于少数据所表现出来的现实规律的研究，它适用于贫信 息条件下的分析和预测从采用的数据形式来看，现代灰色系统理论是采用生成的 数序列建模；回归分析法、趋势分析法均是采用原始数据建模；而指数平滑法是通 过对原始数据进行指数加权组合直接预测未来值。 从计算复杂程度看，相对简单的是回归分析法和趋势分析法。 从适用的时间分类看，单耗法、指数平滑法、灰色模型法较适宜短期预测；对 中、长期预测，一般采用回归法、趋势分析法和改进型灰色模型较为合适。 ( 2 ) 传统经典的回归法、时间序列法、指数平滑法主要依据负荷形状及函数进 行研究，并运用概率论与数理统计方法处理负荷预测中的不确定性，这些方法普遍 存在着模型定阶、求解、识别困难以及模型的适应性不强和预测精度不高等缺点： 现代预测方法中的进化算法、灰色理论、专家系统、小波分析、模糊逻辑、混沌预 测和神经网络等智能方法除考虑负荷形状外，还对天气状况、日期类型和特殊事件 等影响负荷的许多外在因素加以考虑，因而使得预测精度进一步提高，具有较好的 发展前景。 9 华北电力大学硕士学位论文 ( 3 ) 仿生算法通有的特点是能够较好地解决影响负荷预测的随机因素过多的 问题它具有如下特点： 1 ) 具有较快的收敛速度，可以用于解决有实时性要求的问题； 2 ) 对于一些精度要求不高的场合，可以用它快速地得到一个可行解； 3 ) 不需要问题的严格推理，甚至不需要问题的精确描述，这使得它的应用范围 得以延伸。 综上所述，该类算法是一种基于集群智能的新型的高效寻优方法。 ( 4 ) 优化组合预测方法是引入b p 神经网络等各种模型来确定组合预测方法的 最优组合权重。组合方法中预测模型的最优组合权重已经隐含在了网络的连接权重 中，而且能够充分反映各个预测模型的预测值与样本真实观测值之间的非线性关 系。因此基于b p 神经网络模型的组合预测方法能够有效地提高预测精度。 2 3 本章小结 本章首先介绍了电力负荷的分类、负荷的内在规律与外在特征：因为各种用电 分类是负荷预测工作的基础，与其相关的负荷地区组成是负荷预测和电力分配工作 之前最为关心的内容在此基础上分析了诸如负荷地区组成、温度、降雨量与节假 日等对负荷变化有重要影响的特征及其关系。 其次，分析比较了现有的预测方法：由于各种预测方法都具有其各自的优缺点 和适用范围，所以我们必须根据实际情况，着重从预测目标、期限、精确度和预测耗 费等诸多方面做出合理选择，在预测成本允许的范围内，寻求出能获取所需精度的 预测方法。 1 0 华北电力大学硕士学位论文 第三章共享式全局寻优算法( s g o a ) 设计 共享式全局寻优算法( s g o a ) 的设计是本课题研究的重点之一，后续工作将利 用s g o a 来训练重置变结构前馈神经网络的参数，建立s g o a 重置变结构前馈神经网 络模型，因此算法性能优越性的分析验证也是研究工作的必要环节，其结果直接影 响网络模型的建立 3 1几种主要全局寻优智能算法的分析 随着工程优化问题越来越复杂，多极值闯题越来越普遍，传统的仅仅能够局部 寻优的算法已经很难满足工程应用的需要了，近些年来，一些具有全局寻优能力的 智能算法开始引起人们的关注，并在许多领域的优化问题中取得了令人瞩目的成 功。 本文选用了连续型遗传算法( c o n t i n u o u sg e n e t i ca l g o r i t h m s ，简称c g a ) ，模 拟退火算法( s i m u l a t e da n n e a l i n ga l g o r i t h m ，s a a ) 、蚁群算法( a n tc o l o n yo p t i m i z a t i o n ，a c o ) 、粒子群优化算法( p a r t i c l es w a r mo p t i m i z a t i o n ，p s o ) 、人工鱼群 算法( a r t i f i c i a lf i s hs w a r ma l g o r i t h m ，a f s a ) 和禁忌搜索算法( t a b us e a r c h a l g o r i t h m ，t s a ) 六种采用不同搜索和选择机制的具有旺盛生命力的智能算法，这 些算法有群体进化的，也有个体进化的，部分学者对这些算法进行了改进研究，但 基本上都是一些小的改动或者是某两种算法思想的融合。这些基本或者改进的智能 算法尽管具有全局寻优能力，但仍然不能保证一定能够寻到全局最优值，某些算法 只能适用于特定的问题。对用户来说，他们更需要一种对各种实际问题都有很强适 用性的算法。 3 1 1 连续型遗传算法( c q a ) 遗传算法髓习( g a ) 是6 0 年代后期由美国芝加哥大学的j h h o l l a n d 教授首先 提出的一种进化算法。起初进化的个体都是用二进制表示的，后来用十进制表示个体 的遗传算法称作c g a ，c g a 仿照生物进化理论来进行全局寻优，主要进化步骤是选择、 交叉和变异。主要运算过程如下： ( 1 ) 编码：解空间中的解数据x ，作为遗传算法的表现形式。 ( 2 ) 初始种群的生成：随机产生个串结构数据，每个串结构数据称为一个个 体，个个体构成一个种群。以这个串结构作为初始点开始迭代。设计进化代数 计数器t 卜0 ；设置最大进化代数t ；随机生成m 个个体作为初始群体p ( o ) 。 ( 3 ) 适应度值评价检测：适应度函数表明个体或解得优劣性。对于不同问题， 适应度函数的定义方式不同。根据具体的问题，计算群体尸( f ) 中各个个体的适应度 华北电力大学硕士学位论文 ( 4 ) 选择：将选择算子作用于群体。 ( 5 ) 交叉：将交叉算子作用于群体。 ( 6 ) 变异：将变异算子作用于群体 群体p ( r ) 经过选择、交叉、变异运算后得到下一代群体，o + 1 ) 。 ( 7 ) 终止条件判断：若f s t ，则t 卜t + l ，转到步骤( 2 ) ；着f t ，则以进化 过程中所得到的具有最大适应度的个体作为最优解输出，终止运算。 3 1 2 模拟退火算法( s a a ) 模拟退火算法矧( s i m u l a t e da n n e a l i n g ，s a ) 是2 0 世纪8 0 年代初期发展起来 的一种用来求解大规模组合优化问题的随机全局优化算法，s a 的出发点是利用物理 中固体物质的退火过程与一般组合优化问题之间的相似性。1 9 8 2 年k i r k p a t r i c k 等 在此准则基础上提出了s a a 。 模拟退火算法源于对固体退火过程的直接模拟。固体退火是先将固体加热到熔 化，再徐徐冷却使之凝固成规整晶体。s a a 基本上是单个个体寻优方法，它采用的 m e t r o p o l i s 准则可简单描述为：在某一温度r 下，个体f 通过一次摄动形成新个体， 如果_ ，的适应度八d 大于f 的适应度八l f ) ，则以个体_ ，代替个体f ，否则产生一个在 o ，1 之间的随机数善与，做比较，用数学表达式表示为： ( 3 - 1 ) 如f r ，则以个体- ，代替个体i ，否则个体理续摄动。由于开始时t 值较大，可 能接受较差的个体，但随着，值的减小，就只能接受较好的个体。这种机制就保证 了s 从既可以跳出局部极小值，也能最终收敛。 3 1 3 蚁群算法( a c 0 ) c 0 算法嘲1 是由意大利学者m d o r i g o 等人在1 9 9 1 年提出的，它是一种新型的 模拟进化算法，具有正反馈，分布式计算，启发性收敛等特性。蚂蚁的行为实质上 是一种通过简单个体的自组织行为所体现出来的群体行为。a c o 算法实现的框架如 下： p r o c e d u r ea c o 算法； 设置参数和初始化信息素轨迹( ) ； w h i l e ( 终止条件不满足) d o w h i l e ( 系统资源可供利用) d o 蚂蚁的生成和初始化( ) ； 华北电力大学硕士学位论文 r ：= 寄存蚂蚁的记忆状态0 ； w h i l e ( 目标状态未达到) d o l ：= 导入的局部移动路线决策表0 ； p ：= 计算出的状态转移概率p ( l ，r ) ： s ：= 将基于选择策略p 计算出的下一个状态作为当前状态 ( ) ； i f ( 采用了实时信息素调整策略) t h e n 在访问到的弧段上存储信息素l0 ； 根据信息素分布来调整移动路线决策表0 ； e n d , r ：= 调整此时的蚂蚁记忆状态并寄存之0 ； e n d i f ( 采用了延迟信息素调整策略) t h e n 计算此时所得解的适应度函数( ) ； 在弧段上存储信息素。( ) ； 根据信息素分布来调整移动路线决策表( ) ? e n d ) e n d ) 对信息索的挥发进行控制( ) ； 对所得到的所有系统解进行精灵( d a e m o n ) 式的离线控制调整和筛 选0 ： e n d ) e n d 在上述算法框架中，针对具体的实际问题，对一些关键模块可采用不同的实现 方法，从而产生了多种的a c o 算法。 3 1 4 粒子群算法( p s o ) 粒子群算法啪1 是由美国的k e n n e d y 博士和e b e r h a r 博士于1 9 9 5 年提出的一种 基于群体智能演化的进化计算技术，是进化计算领域的一个新分支，是源于对鸟群 捕食行为的研究。 在p s o 算法中，粒子通过不断调整自己的位置x 来搜索新解。每个粒子都能记 住自己搜索到的最好解，记做屹，以及整个粒子群经历过的最好的位置，即目前搜 索到的最优解，记做匕。每个粒子都有一个速度，记作矿， 嘭= + ，_ h r a n d ( ) 阮一扎) + 刁2 r a n d ( 一以) ( 3 2 ) 1 3 华北电力大学硕士学位论文 其中表示第f 个粒子在第d 维上的速度，为惯性权重，仉，仍为调节匕和 相对重要性的参数，瑚耐o 为随机数生成函数这样，可以得到粒子移动的下 一位置； 砧= 置。+ ( 3 3 ) p s o 的基本算法步骤描述如下： i ) 初始化粒子群，即随机设定各粒子的初始位置z 和初始速度v ； 2 ) 计算每个粒子的适应度值； 3 ) 对每个粒子，比较它的适应度值和它经历过的最好位置圪的适应度值，如果 更好，更新； 4 ) 对每个粒子，比较它的适应度值和群体所经历的最好位置只。的适应度值，如 果更好，更新； 5 ) 根据( 3 - 2 ) 式和( 3 - 3 ) 式调整粒子的速度和位置； 6 ) 如果达到结束条件( 足够好的位置或最大迭代次数) 时，则结束进化，否则返 回步骤2 ) p s o 和g a 一样属于多个体寻优，但没有遗传操作，每个粒子只是根据自己的速 度进行搜索，整个搜索更新过程是跟随当前最优解的过程。p s o 算法的研究目前还 处于初级阶段，但在一些问题的应用中已经显示出了优越性。 3 1 5 人工鱼群算法( a f s a ) 人工鱼群算法脚1 是一种基于模拟鱼群行为的优化算法。是一种模拟鱼群行为的 随机搜索优化算法，主要利用鱼的觅食、聚群和追尾行为，从构造单条鱼的底层行 为做起，通过鱼群中个体的局部寻优达到使全局最优值在群体中突现出来的目的。 人工鱼个体的状态表示为向量z = ( 而，而，k ) ，其中( k = 1 , 2 ，刀) 为欲寻优的控 制变量；人工鱼当前所在位置的食物浓度表示为】，= ，( z ) ，其中】，为目标函数值； 人工鱼个体之间的距离表示为面j = l 阻一8 ，即向量( 墨一x j ) 的二范数；v i s u a l 示人工鱼的感知距离；万表示拥挤度因子；s t e p 表示人工鱼移动的步长。为了减少 收敛过程中震荡的发生，算法中采用的是随机步长，即每次移动一步的距离为 r a n d ( o , 1 ) s t e p 人工鱼的行为数学描述如下： 1 ) 觅食行为 人工鱼当前状态为五，在可见域内( 吐，s v i s u a l ) 随机选择一个状态置z ，如果 z f c , ( 占 1 ) ( 3 - 7 ) 表明伙伴中心位置有较多的食物并且不太拥挤，则执行式( 3 - 8 ) ；否则人工鱼 执行觅食行为。 耐= + r a n d ( s t e p ) ( x 砖一) l l x , - - x k l ( 3 - 8 ) 若酗妒，表明可见域内不存在其它伙伴，则执行觅食行为。 3 ) 追尾行为 设人工鱼当前状态为置，探索当前邻域内，即( 嗄e 胁凇，) 的伙伴中】，为最大 的伙伴五。，如果 b f c , ，表明伙伴z 一的食物浓度较高，并且其周围不太 拥挤，则执行式( 3 9 ) ；否则执行觅食行为。 华北电力大学硕士学位论文 x r , x t = + r a n d ( s t e p ) ( x 。i h ) ，肛。- x t l i ( 3 9 ) 式中：。表示状态向量k 的第j 个