主权项 |
一种城区配电网饱和负荷综合预测方法,其特征是,包括以下步骤:(1)获取负荷预测区域各类负荷相关因素的历史资料;(2)分别利用传统的电网饱和负荷预测方法对负荷预测区域单独进行电网饱和负荷预测,分别建立q种单一的电网饱和负荷预测模型并求解;对于q种单一预测模型,引入一组权重系数ω<sub>k</sub>,k=1,…,q;称该组权重系数为各个单一预测模型的组合概率;(3)建立p个电网饱和负荷综合预测模型,每一个电网饱和负荷综合预测模型均对应步骤(2)中的q种单一电网饱和负荷预测模型,不同的电网饱和负荷综合预测模型中q种单一电网饱和负荷预测模型的组合概率不同;(4)令第m个电网饱和负荷综合预测模型对应的q种单一预测模型的组合概率为<img file="FDA0000923911810000011.GIF" wi="677" he="79" />同时,根据每个综合预测模型的重要程度确定每个综合预测模型的权重系数σ<sup>(m)</sup>,且满足<img file="FDA0000923911810000012.GIF" wi="247" he="133" />(5)使用遗传算法确定一个电网饱和负荷综合最优预测模型,并计算出电网饱和负荷综合最优预测模型中q种单一预测模型的组合概率<img file="FDA0000923911810000013.GIF" wi="503" he="77" />其中,<img file="FDA0000923911810000014.GIF" wi="96" he="74" />为电网饱和负荷综合最优预测模型中第k种单一预测模型的权重系数;电网饱和负荷综合最优预测模型中第k种单一预测模型的权重系数为:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><msubsup><mi>ω</mi><mi>k</mi><mrow><mo>(</mo><mn>0</mn><mo>)</mo></mrow></msubsup><mo>=</mo><munderover><mo>Σ</mo><mrow><mi>m</mi><mo>=</mo><mn>1</mn></mrow><mi>p</mi></munderover><msup><mi>σ</mi><mrow><mo>(</mo><mi>m</mi><mo>)</mo></mrow></msup><msubsup><mi>ω</mi><mi>k</mi><mrow><mo>(</mo><mi>m</mi><mo>)</mo></mrow></msubsup><mo>,</mo><mi>k</mi><mo>=</mo><mn>1</mn><mo>,</mo><mn>2</mn><mo>,</mo><mo>...</mo><mi>q</mi><mo>;</mo></mrow>]]></math><img file="FDA0000923911810000015.GIF" wi="630" he="134" /></maths>其中,σ<sup>(m)</sup>为每个综合预测模型的权重系数,<img file="FDA0000923911810000016.GIF" wi="97" he="70" />为第m个电网饱和负荷综合预测模型对应的第k种单一预测模型的权重系数;使用遗传算法确定一个电网饱和负荷综合最优预测模型的方法为:1)每一种电网饱和负荷综合预测模型看作一个个体,并构造适应度函数,则p个电网饱和负荷综合预测模型形成初始种群;2)以q种单一预测模型的组合概率为控制变量进行编码;3)将个体解码并计算个体的适应度值,即进行个体评价;4)通过调整适应度值的大小来进行个体间的选择、交叉、变异操作;5)返回步骤3)进行个体评价;6)判断是否满足收敛标准:若是,则进行下一步,否则返回4);7)产生最优个体,该最优个体即为电网饱和负荷综合最优预测模型;该最优个体对应的组合概率即为电网饱和负荷综合最优预测模型中q种单一预测模型的组合概率;(6)确定电网饱和负荷综合最优预测模型的表达式y。 |