基于混沌鲸鱼群优化人工神经网络的短期电力负荷预测

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。

目录

第一个书签之前

摘要

Abstract

第一章 引言

1.1 选题研究背景及意义

1.2 国内外研究现状

1.3 本文主要研究内容和技术路线

第二章 电力负荷预测概述

2.1 电力负荷概念及分类

2.2 电力负荷的特性

2.3 电力负荷预测概述及分类

2.4 电力负荷预测特点

2.5 电力负荷预测影响因素

2.6 电力负荷预测误差分析

2.7 本章小结

第三章 电力负荷预测基础模型

3.1 电力负荷影响因素分析模型

3.1.1 因子分析法的基本原理与步骤

3.1.2 偏自相关函数

3.2 电力负荷预测方法模型

3.2.1 基于BP神经网络的预测模型

3.2.2 基于最小二乘支持向量机的预测模型

3.2.3 基于极限学习机的预测模型

3.3 本章小结

第四章 改进人工神经网络

4.1 鲸鱼群优化算法

4.2 混沌优化鲸鱼群算法

4.2.1 混沌理论

4.2.2 混沌鲸鱼群算法

4.3 混沌鲸鱼群算法优化BP神经网络

4.4 混沌鲸鱼群算法优化LSSVM

4.5 混沌鲸鱼群算法优化ELM

4.6 本章小结

第五章 实例分析

5.1 河北省衡水市市电力负荷简介

5.2.1 原始数据相关描述

5.2.2 原始指标的因子分析

5.3 偏自相关函数分析结果

5.4.1 预测结果模型对比体系

5.4.2 预测模型结果及分析

5.5 本章小结

第六章 研究成果和结论

参考文献

附录

攻读硕士学位期间发表的论文及其他成果

致谢

作者简介