基于混沌鲸鱼群优化人工神经网络的短期电力负荷预测

发布时间：2020-06-06 15:48

【摘要】：准确的短期负荷预测,可以保证社会的正常生活和生产,有效地降低发电成本,提高经济效益和社会效益。我们知道,短期电力负荷预测的准确性与两方面有关。一是影响因素选择的相关性和全面性,二是预测方法的科学有效性。准确的影响因素选择加上先进科学的预测手段是当代短期电力负荷预测主要发展方向。伴随着社会的不断发展,人们生活水平不断提高,影响电力负荷的因素必定会越来越多。现代科技水平的不断提升,电力负荷预测方向越来越侧重于先进的预测方法。人工神经网络就是研究的主要热点之一。但是,过多的影响因素会导致神经网络输入维数的增加,严重影响了人工神经网络泛化性,进而导致预测精度降低。所以,如何在不过分损失影响因素信息的前提下,确定适当的影响因素个数,来保证神经网络的输入维数不会过多以至于影响预测精度,应成为当下短期电力负荷预测研究的一个方向。本文从两方面出发,一是关于短期电力负荷预测影响因素选择方面的分析建模,二是关于短期电力负荷预测方法的研究。针对影响因素选择方面的分析,本文主要利用了因子分析法和偏自相关函数法。首先利用因子分析对电力负荷的原始影响因素进行降维处理,并得到贡献率最高的主要影响因子。然后对得出的主要影响因子进行有针对性的偏自相关函数分析,使得影响因素更加全面。因子分析使得输入神经网络的影响因素维数大大降低,使得在不过分损失信息的前提下,保障了神经网络预测的精确性。同时根据得出的主因子以进行专门的偏自相关函数分析,进一步丰富全面了影响因素,使得影响因素的选择更具有针对性。同时本文引入混沌理论对传统的鲸鱼群优化算法进行改进,提高了鲸鱼群优化算法的收敛速度和寻优能力。本文利用目前主流的三大神经网络,BP神经网络,最小二乘支持向量机和极限学习机,来进行短期电力负荷预测,并利用混沌鲸鱼群算法对三大神经网络进行了改进优化。最后,以衡水市2017年3月1日到2017年6月30日共122天的小时负荷数据作为负荷预测样本,进行实例分析,结果验证了改进神经网络的模型的有效性。
【图文】：

负荷曲线,负荷曲线,相关负荷,消耗电量

图 2-1 衡水市七天负荷曲线图 2-1 为衡水市七天的 24 小时负荷曲线，我们可以清晰看出相关负荷呈周期通常每天不分天气节日都有两个高峰，，大约出现在上午的 10：00 和下午的 19:00 和之间。而通常在晚间或午间人们处于休息状态的时候出现低谷负荷，这个时候一都在休息，用电量较少，多为一些不停息工作的电器在消耗电量。

搜索机,群体,鲸鱼

图 4-1 WOA 中的 Bubble-net 搜索机制、包围捕食阶段时驼背鲸并不知道食物的位置，通过群体之间的信息传递来获得食物的位最近的鲸鱼就相当于当前的一个局部最优解，群体里的其他个体都会本着包围，这个阶段行为的数学模型表示如下：
【学位授予单位】：华北电力大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TM715;TP18

【参考文献】