基于改進灰色關聯分析與蝙蝠優化神經網絡的短期負荷預測

吳 云, 雷建文, 鮑麗山, 李春哲

(1. 東北電力大學信息工程學院, 吉林省吉林市 132012; 2. 國網江蘇省電力有限公司信息通信分公司, 江蘇省南京市 221000; 3. 國網吉林省電力有限公司遼源供電公司, 吉林省遼源市 136200)

0 引言

短期電力負荷預測是電網運行調度、生產規劃的重要組成部分,它主要是對未來幾時、一天甚至幾天的電力負荷進行預測,其主要用于安排短期調度計劃、應對緊急情況,是電力系統安全穩定和經濟運行的基礎[1-2]。

隨著影響負荷預測因素的數量、種類的增多,隨機性以及分布特點變得復雜,傳統的負荷預測方法的速度與精度已經不能滿足大數據環境下的要求[3]。越來越多的算法應用到負荷預測領域之中,使得負荷預測的精度不斷提高[4]。文獻[5]把灰色模型與神經網絡的優點相互結合,并采用遺傳算法對神經網絡進行優化,以此完成對短期電力負荷的預測,預測精度較單一的神經網絡方法有所提高。然而該方法的訓練樣本中有很多異于待測日特征的樣本,這不僅造成神經網絡訓練時間較長,而且收斂速度較慢。文獻[6]把改進的隨機森林算法與灰色投影相結合對電網短期負荷預測。該方法雖然通過灰色關聯投影法能夠找到與待測日具有相似特征的歷史日,但是找到的相似日只具備良好的負荷趨勢相似性,而不具備良好的負荷曲線形狀相似性[7],因此預測精度也有待提高。

為彌補傳統灰色關聯分析法在選擇相似日時只考……