基于优化人工蜂群算法的短期电力负荷预测研究

发布时间：2020-09-14 13:08

　　能源互联网提出之后,能源问题得到了广泛的关注。电能也得到了应有的重视,其中短期电力负荷预测既是电力行业的重点又是难点。电力部门根据电力负荷预测数据进行生产以及调度等工作,预测数据的准确程度直接影响到生产原材料的用量以及电力能源的合理分配,因此是电力行业的重点问题。由于影响负荷预测的因素较多,且各因素之间互相依赖,加大了负荷预测的难度。因此,短期电力负荷预测具有重要的现实意义。本文基于短期电力负荷的特点,在分析各种影响因素的基础上,采用模拟退火算法优化的智能人工蜂群算法进行预测,并设计开发了电力负荷预测系统。主要内容如下。首先,对影响电力负荷预测的各种因素进行研究分析,包括日类型、天气情况以及历史数据的选择等,在这些影响因素的基础上凭借经验选择影响属性,利用基于粗糙集的属性约简算法对其进行约简,删除冗余的噪音属性,将关键属性作为模型的输入向量,并用BP网络模型验证了属性约简的有效性。其次,通过对比群智能算法,选择人工蜂群算法进行负荷预测,在建模过程中发现人工蜂群算法具有迭代速度慢、易陷入局部极小值等缺陷,于是使用模拟退火算法优化人工蜂群算法,建立了基于ABC-SA算法的网络预测模型,将人工蜂群算法(ABC)的并行搜索结构和模拟退火算法(SA)的概率突跳特性相结合,进行电力负荷预测。将优化前后的预测结果进行比较,优化后的模型预测结果准确度更高。在此基础上,对历史数据的选择进行了调整,将预测当天已经产生的部分数据视作新息数据,应用到负荷预测中,经过实验对比表明,使用新息数据进行预测的数据精度更高。最后,为了将负荷预测的结果及时有效的呈现给电力生产以及调度等部门,根据实际需求,设计并开发了电力负荷预测系统,该系统的主要功能有负荷预测、数据管理、数据预处理、负荷分析以及访问控制等。这些功能彼此关联又相互独立,基本能够满足电力系统的需要。
【学位单位】：华北电力大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TM715;TP18
【部分图文】：

曲线图,夏季温度,负荷变化,曲线图

根据不同地区的气候做出合理的分析，制定相应的预测方法。如图2-1 所示为所选负荷预测地区 7 月份日最大负荷值与日最高温度的曲线图。由图可以看出，日最高负荷随着日最大温度的变化而变化。降雨会使一些生活生产活动停止，尤其是长时间的降雨或者降雨量较大时，在北方还有可能会产生冻雨等极端天气，这些情况都有可能会使用电量降低，负荷减小。还有一方面就是前面提到的，气象因素之间也会相互影响、相互渗透，某一气象因素发生变化时可能会引起更多的相关因素发生变化，这种气象因素之间的相互作用、相互耦合就会造成负荷的改变。空气湿度也会对人们的生产生活造成一定的影响，湿度过大可能会使某些企业打开烘干机等设备，湿度也会对人的体感温度和人体舒适度造成影响。当湿度的变化达到一定程度，能够引起人体舒适度变化的时候，就有可能会增加用电负荷。图 2-1 夏季温度与负荷变化曲线图如图 2-2 所示，为本文所选负荷预测地区湿度与负荷值得对比图。图中使用的是 2014 年 6 月 20 日的空气湿度和负荷值。为方便对比，将负荷值按照下式进行变化。

曲线图,湿度变化,负荷变化,曲线图

图 2-2 湿度变化与负荷变化曲线图期因素与短期负荷的关系。很容易理解，正常的工作同的，与节假日的负荷也有差异。非工作日各种大型区域用电负荷自然会降低。于是日因素与负荷会呈现常工作生活也是有规律的，最明显的就是以周为单位

曲线图,负荷曲线图,短期负荷,用电负荷

图 2-2 湿度变化与负荷变化曲线图期因素与短期负荷的关系。很容易理解，正常的工作同的，与节假日的负荷也有差异。非工作日各种大型区域用电负荷自然会降低。于是日因素与负荷会呈现一常工作生活也是有规律的，最明显的就是以周为单位另一种规律，如国庆、春节等。

【参考文献】