收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于混合智能优化算法的短期电力负荷预测研究

陈凤  
【摘要】:准确地预测短期电力负荷有助于电力系统安全得以保障和发电成本的降低,相关学者专家在电力负荷预测上的研究已经付出很长的时间,并且取得了可喜的成果。传统预测模型大多高度依靠人工经验,缺乏自主学习能力,因此难以较好地分析和拟合高度非线性多因素的电力负荷数据;而当前人工神经网络因为具有运行效率高、非线性映射能力强等优点,因此被广泛应用于电力负荷预测,但是鉴于部分神经网络模型参数随机初始化和结构难确定的原因,进行准确地电力负荷预测还有一定难度。而改进树种优化算法结合了标准树种算法和莱维飞行算法的各自优点,使得全局寻优能力极佳,在参数寻优方面应用广泛,本文将改进的树种优化算法用于优化极限学习机随机初始参数,并将改进后的模型用于短期电力负荷预测研究。本文主要工作如下:(1)提出基于Levy飞行改进的树种优化算法(LTSA),针对标准树种优化算法(TSA)全局搜索能力弱,算法易早熟等缺点,本文将标准树种优化算法与莱维飞行相结合,提升标准树种算法的全局寻优能力,避免算法寻优时陷入局部最优,同时将LTSA算法与树种算法(TSA)、飞蛾扑火优化算法(MFO)、灰狼优化算法(GWO)和粒子群优化算法(PSO)等优化算法在10个基准测试函数上对比测试。(2)提出一种引入注意力机制的长短期记忆网络模型(AM-LSTM),并将改进后的模型用于短期电力负荷预测,并与基本LSTM模型和常用的时间序列预测模型进行对比,AM-LSTM整体预测效果要比LSTM好,在预测初期准确率略差于ELM等模型,但是在预测后期预测性能要比其余模型更好。(3)建立基于改进树种优化算法的极限学习机预测模型(LTSA-ELM),将其与基于其它智能优化算法的ELM模型对比并在6个UCI数据集上验证,证明预测模型的有效性和可靠性;同时提出采用基于高斯核函数的主成分分析法(KPCA)对短期电力负荷数据进行降维预处理,并使用处理后的数据作为LTSA-ELM模型的输入。与其它智能优化算法(TSA、MFO、GWO和PSO)改进的ELM应用模型以及其它基础时序预测模型(BP、SVM、LSTM和AM-LSTM)相比,结果表明KPCA-LTSA-ELM模型更适用于短期电力负荷预测。


知网文化
【相似文献】
中国期刊全文数据库 前15条
1 张亮;韩毅;邓丽丽;;国外新型智能优化算法——北极熊算法[J];计算机测量与控制;2020年03期
2 龚睿;;基于智能优化算法的电力系统无功优化的研究[J];民营科技;2014年11期
3 刘静;;浅析智能优化算法[J];计算机光盘软件与应用;2014年10期
4 杨爽;;群智能优化算法在路径规划中的应用[J];电子技术与软件工程;2019年23期
5 敬石开;李连升;曾森;刘继红;;面向产品装配序列规划的智能优化算法库[J];计算机辅助设计与图形学学报;2010年09期
6 李著成;黄祥林;;仿生智能优化算法及其在盲源分离中的应用[J];中国传媒大学学报(自然科学版);2016年06期
7 李智;;智能优化算法研究及应用展望[J];武汉轻工大学学报;2016年04期
8 宁静;钟一文;林娟;宁正元;;群智能优化算法及其在生物信息学问题中的应用[J];三明学院学报;2013年04期
9 ;《群体智能优化算法》专题导语[J];郑州大学学报(工学版);2018年06期
10 陈元非;高彦涛;査剑锋;徐孟强;张正华;李晋龙;;智能优化算法在概率积分参数反演中的比较[J];金属矿山;2017年04期
11 许倩语;宋文武;魏立超;杨秀鑫;;浅述智能优化算法在市政管网中的应用[J];四川建材;2016年02期
12 吴春梅;;现代智能优化算法的研究综述[J];科技信息;2012年08期
13 马苗;刘艳丽;;图像分割背景下群体智能优化算法的性能对比[J];云南大学学报(自然科学版);2012年04期
14 韩宏业;张涛;杨爱萍;;人工智能优化算法在软硬件划分中的应用综述[J];信息技术;2015年09期
15 骆旗;付苗苗;;浅析数学建模中的智能优化算法[J];科技经济导刊;2017年16期
中国重要会议论文全文数据库 前10条
1 黄稳;;基于多种智能算法的真空磁控溅射射频阻抗匹配仿真研究[A];TFC'13全国薄膜技术学术研讨会论文摘要集[C];2013年
2 张聪;王涛;张宁;孙鹏;;人工智能优化算法在电网规划中的研究与应用[A];山东电机工程学会2012年度学术年会论文集[C];2012年
3 孙俊清;李平;韩梅;;装卸桥调度问题及其混合智能优化算法GASA[A];第二十六届中国控制会议论文集[C];2007年
4 丁光彬;王治昆;赵林明;翟传仁;;包络预测方法及其在电力负荷预测中的应用[A];管理科学与系统科学进展——全国青年管理科学与系统科学论文集(第4卷)[C];1997年
5 赵成旺;顾幸生;;组合优化灰色预测模型在中长期电力负荷预测中应用[A];第二十四届中国控制会议论文集(下册)[C];2005年
6 罗楠;朱业玉;杜彩月;王军;王红燕;;支持向量机方法在电力负荷预测中的应用[A];中国气象学会2007年年会天气预报预警和影响评估技术分会场论文集[C];2007年
7 李忻贤;;浅谈电力负荷预测[A];山东电机工程学会第四届供电专业学术交流会论文集[C];2007年
8 李之波;;多因素支持向量机模型在某市中长期电力负荷预测中的应用[A];2011年江苏省城市供用电专业学术年会论文集[C];2011年
9 乔艳芬;;基于分形理论的昆明电网电力负荷预测[A];2009年云南电力技术论坛论文集(优秀论文部分)[C];2009年
10 牛东晓;陈志业;邢棉;谢宏;;具有二重趋势性的季节型电力负荷预测组合优化灰色神经网络模型[A];加入WTO和中国科技与可持续发展——挑战与机遇、责任和对策(上册)[C];2002年
中国博士学位论文全文数据库 前10条
1 杨劲秋;智能优化算法评价模型研究[D];浙江大学;2011年
2 邓武;基于协同进化的混合智能优化算法及其应用研究[D];大连海事大学;2012年
3 何小锋;量子群智能优化算法及其应用研究[D];上海理工大学;2014年
4 唐正茂;智能优化算法适用性研究及其在船舶工程中的应用[D];华中科技大学;2013年
5 李敬明;萤火虫群智能优化算法及其应用研究[D];合肥工业大学;2017年
6 向万里;混合群体智能优化算法及应用研究[D];天津大学;2014年
7 张梅凤;人工鱼群智能优化算法的改进及应用研究[D];大连理工大学;2008年
8 刘玉宝;基于智能优化算法的系统可靠性优化问题研究[D];吉林大学;2017年
9 路静;智能优化算法在电磁场逆散射中的应用研究[D];河北工业大学;2015年
10 薛羽;仿生智能优化算法及其应用研究[D];南京航空航天大学;2013年
中国硕士学位论文全文数据库 前10条
1 陈凤;基于混合智能优化算法的短期电力负荷预测研究[D];湖北工业大学;2020年
2 刘歆;列车运行操纵优化问题的研究[D];北京交通大学;2019年
3 申丹丹;基于智能优化算法的光伏系统参数辨识[D];燕山大学;2019年
4 牛松鹏;完善智能优化算法性能测试的验证方法及其必要性[D];燕山大学;2019年
5 宋知晨;新型智能优化算法研究及其应用[D];安徽大学;2019年
6 莫艳红;基于群智能优化算法的原油调和问题研究[D];桂林电子科技大学;2019年
7 张梦倩;含有导数的智能优化算法求解水文水质参数优化问题[D];长安大学;2018年
8 汪维友;粒子群混合智能优化算法及应用研究[D];湖南大学;2016年
9 闫白鹭;智能优化算法的设计及应用[D];北京化工大学;2018年
10 杜傲然;基于TLBO智能优化算法的复杂车间绿色调度问题求解研究[D];昆明理工大学;2018年
中国重要报纸全文数据库 前2条
1 章家银 张克杰;气象要素在电力负荷预测中的应用[N];巢湖日报;2006年
2 薛元荡 鲍导;阜宁县加强电力负荷预测[N];中国电力报;2000年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978