改进粒子群算法在电力负荷预测中的应用

摘要

随着我国科学技术的进步，电力行业也实现了较快的持续发展，电网结构越来越复杂，准确可靠的电力负荷预测是电网安全经济运行的重要保障。同时电力系统负荷预测的结果正确与否，关系着国民经济和社会生产是否能够持续安全稳定的运行。目前我国经济发展进入新常态，电力生产结构和消费增长形势也呈现新常态特征。为了满足国家经济产业结构调整、工业转型升级和人民生活的需要，对电力系统负荷预测的准确性、可靠性提出了更高的要求。
　　首先，论文工作介绍了电力负荷预测及算法应用的基本情况。讨论了电力负荷预测的特性，分析影响电力负荷变化的因素，并建立了电力负荷预测的基础数学模型;研究了粒子群优化算法（PSO算法）的基本原理，对该算法所涉及的参数进行了分析;介绍了BP神经网络的基本概念，对其原理进行了深入研究。
　　然后，论文工作分析了粒子群算法的主要优点与不足，介绍了现有的粒子群算法的改进思路和改进方法，尤其详细介绍了IPSO-BP神经网络算法，就该算法对经典粒子群算法的改进思路，与BP神经网络的结合方法，以及完整的IPSO-BP神经网络算法的流程进行了详细分析和介绍。IPSO-BP神经网络算法解决了采用传统的PSO算法时，容易出现的局部极值、结果精度低等问题，又对BP神经网络参数进行了优化，也克服了BP算法比较长的训练时间、比较低的收敛速度的缺点。
　　最后，论文工作将IPSO-BP神经网络算法应用于电力负荷预测问题。确定了IPSO-BP神经网络算法应用于及济宁市电力负荷预测问题的基本参数，对神经网络结构参数、惯性权重和学习因子等主要参数进行详细分析。在利用济宁市2003-2014年电力负荷数据预测其2016-2025年电力负荷情况后，对预测数据进行了分析，并将所应用的IPSO-BP神经网络算法与经典BP算法和经典粒子群算法进行比较，证明了IPSO-BP神经网络算法的适用性。结果表明，IPSO-BP神经网络算法进行负荷预测具有输出稳定性好、收敛速度快、预测精度高的优点，而且负荷预测精度误差可控制在3％之内。

目录

声明

摘要

第1章 绪论

1．1 选题背景及意义

1．2 国内外研究现状

1．2．1 电力负荷预测概况

1．2．2 粒子群算法的概况

1．3 论文章节安排

第2章 电力负荷预测及算法应用

2．1 电力负荷预测的基本原理

2．1．1 电力负荷预测特性及影响因素

2．1．2 电力负荷预测的基本过程

2．2 粒子群优化算法基本原理和特点

2．2．1 PSO算法参数设置和分析

2．2．2 粒子群优化算法基本流程

2．3 BP神经网络

2．3．1 BP神经网络基本概念及原理

2．3．2 BP神经网络学习过程及优缺点比较

2．4 本章小结

第3章 对粒子群算法的改进

3．1 现有粒子群优化算法的改进

3．2 IPSO-BP神经网络算法

3．2．1 对粒子群算法的改进

3．2．2 与BP神经网络的结合

3．2．3 IPSO-BP神经网络算法的训练过程

3．3 本章小结

第4章 IPSO-BP神经网络算法在电力预测中的应用

4．1 算法应用

4．1．1 IPSO-BP神经网络算法的参数设置

4．1．2 IPSO-BP神经网络算法的实现

4．2 算法的比较与分析

4．3 本章小结

第5章 总结与展望

参考文献

致谢