基于混合算法的短期负荷预测模糊建模

摘要：

结合最小二乘(LS)辨识以及一种基于进化规划(EP)和粒子群优化(PSO)的混合进化算法EPPSO,针对对温度比较敏感的夏季负荷,提出一种3阶段短期负荷预测(STLF)算法.在第1阶段,应用LS设计模糊基函数网络(FBFN)完成STLF模糊空间划分;第2阶段,首先拓展FBFN成一阶Sugeno模糊模型,然后应用EPPSO调节其前件参数同时训练后件参数,最后将前述模型用于STLF得出的预测误差看做一个新的时间序列,并仅用气象因素对其进行辨识,可以用回归模型表示该辨识模型,进而应用LS进行辨识.文中提出的STLF模糊建模策略主要贡献于受气象因素影响较大的夏季负荷.仿真部分对浙江省电力公司的实际负荷进行了预测,与其他方法的比较结果证明该方法具有良好的预测性能.

关键词：模糊基函数网络、短期负荷预测、进化模糊系统

所属期刊栏目：30

分类号：TM715;TP18(输配电工程、电力网及电力系统)

资助基金：国家重点基础研究发展计划973计划60225006;中国科学院资助项目60421002

在线出版日期：2006-03-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：32-40,95