基于混合算法的短期负荷预测模糊建模(英文)

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。