粒子群优化灰色模型在负荷预测中的应用

中国管理科学 ›› 2007, Vol. 15 ›› Issue (1): 69-73.

粒子群优化灰色模型在负荷预测中的应用

牛东晓, 赵磊, 张博, 王海峰

华北电力大学经济管理系, 河北保定071003

收稿日期:2005-10-07 修回日期:2006-01-10 出版日期:2007-02-28 发布日期:2007-02-28
作者简介:牛东晓(1962- ),男(汉族),安徽省宿州市人,华北电力大学工商管理学院院长,博士生导师,教授,研究方向:电力市场.
基金资助:
国家自然科学基金资助项目(50077007);高等学校博士点专项基金资助项目(20040079008)

The Application of Particle Swarm Optimization Based Grey Model to Power Load Forecasting

NIU Dong-xiao, ZHAO Lei, ZHANG Bo, WANG Hai-feng

Department of Business Administration, North China Electric Power University, Beijing 102206, China

Received:2005-10-07 Revised:2006-01-10 Online:2007-02-28 Published:2007-02-28

摘要/Abstract

摘要： 针对电力系统负荷特性,分析灰色模型GM(1,1)的应用局限性,引入向量α改进灰色模型背景值序列的计算公式,从而构建了适应性更强的GM(1,1,α)模型。应用粒子群优化算法非线性全局寻优能力来求解最优α值,提出了基于粒子群优化算法的灰色模型PSOGM,并给出了电力负荷预测的应用实例。实例证明PSOGM模型具有较高的预测精度和较广的应用范围。

关键词: 负荷预测, 灰色模型, 背景值, 粒子群优化

Abstract: According to the load characteristic of power system and the application limitation of grey model GM(1,1),vector is introduced into the computing formula of background value array. A new model GM (1,1,)which bears higher adaptability is constructed. Particle swarm optimization algorithm is adopted in order to solve the value of a as it has the virtue of optimum-seeking. Then a particle-swarm-optimization-based grey model PSOGM is proposed and practical examples are given. The simulation results indicate that PSOGM model gives better precision and has wider application field.

Key words: power load forecasting, grey model, background value, particle swarm optimization

中图分类号:

F830.59

牛东晓, 赵磊, 张博, 王海峰. 粒子群优化灰色模型在负荷预测中的应用[J]. 中国管理科学, 2007, 15(1): 69-73.

NIU Dong-xiao, ZHAO Lei, ZHANG Bo, WANG Hai-feng. The Application of Particle Swarm Optimization Based Grey Model to Power Load Forecasting[J]. Chinese Journal of Management Science, 2007, 15(1): 69-73.

[1]	夏杰, 马新, 吴文青. 基于Simpson公式改进的FAGM(1,1)模型及其应用研究[J]. 中国管理科学, 2021, 29(5): 240-248.
[2]	张可, 钟秋萍, 曲品品, 殷要, 左媛. 基于网络搜索信息的农村水环境质量灰色预测模型[J]. 中国管理科学, 2020, 28(6): 222-230.
[3]	吴利丰, 于亮, 文朝霞. 预测复杂装备研制费用的GM(0,N)模型[J]. 中国管理科学, 2019, 27(7): 203-207.
[4]	苏振宇, 龙勇, 汪於. 基于季节调整和Holt-Winters的月度负荷预测方法[J]. 中国管理科学, 2019, 27(3): 30-40.
[5]	张可, 马成文, 丰景春, 薛松. 基于离散灰色模型的农村水环境政策减排效应及其空间分异性研究[J]. 中国管理科学, 2017, 25(5): 157-166.
[6]	江艺羡, 张岐山. GM(1,1)模型背景值的优化[J]. 中国管理科学, 2015, 23(9): 146-152.
[7]	邵臻, 杨善林, 高飞, 王晓佳. 基于可变区间权重的中期用电量半参数预测模型[J]. 中国管理科学, 2015, 23(3): 123-129.
[8]	熊萍萍, 党耀国, 姚天祥, 崔杰. 灰色Verhulst模型背景值优化的建模方法研究[J]. 中国管理科学, 2012, 20(6): 154-159.
[9]	史会峰, 牛东晓, 卢艳霞. 基于贝叶斯神经网络短期负荷预测模型[J]. 中国管理科学, 2012, (4): 118-124.
[10]	王晓佳, 杨善林. 基于组合插值的GM(1,1)模型预测方法的改进与应用 [J]. 中国管理科学, 2012, (2): 129-134.
[11]	王林, 陈璨, 张金隆, 易觉. 基于改进粒子群优化方法的供应商优选与订货量分配模型[J]. 中国管理科学, 2009, 17(6): 98-103.
[12]	王叶梅, 党耀国, 王正新. 非等间距GM(1,1)模型背景值的优化[J]. 中国管理科学, 2008, 16(4): 159-162.
[13]	张岐山. 提高灰色GM(1,1)模型精度的微粒群方法[J]. 中国管理科学, 2007, 15(5): 126-129.
[14]	唐万梅, 向长合. 基于二次插值的GM(1,1)模型预测方法的改进[J]. 中国管理科学, 2006, (6): 109-112.
[15]	牛东晓, 乞建勋, 邢棉. 二重趋势性季节型电力负荷预测组合灰色神经网络模型[J]. 中国管理科学, 2001, (6): 15-20.