基于QPSO-WNN和模糊理论的电力系统短期负荷预测方法  

Short-term Load Forecasting Method in Power System based on QPSO-WNN and Fuzzy Logic

作　　者：郁林兴[1] 李盘荣[2] 华伟东[3] YU Linxing, LI Panrong, HUA Weidong（1 Suzhou College of Information Technology,Suzhou Jiangsu 215200,China; 2 Wuxi Radio ＆ TV University, Wuxi Jiangsu 214021, China; 3 Jiangsu Wuxi Power Supply Company, Wuxi Jiangsu 214061, China）

机构地区：[1]苏州信息职业技术学院,江苏苏州215200 [2]无锡市广播电视大学,江苏无锡214021 [3]江苏省无锡供电公司,江苏无锡214061

出　　处：《智能计算机与应用》2011年第2X期66-68,91,共4页Intelligent Computer and Applications

摘　　要：电力系统的短期负荷预测是电力系统管理的一项重要方法，准确的负荷预测可以保证用户得到安全、经济的供电。针对负荷预测方法的多样性，在小波神经网络用于负荷预测的基础上，提出基于量子粒子群优化算法（QPSO）优化神经网络权值，并运用模糊理论进行修正。某电网负荷的拟合数据表明QPSO优化算法训练的神经网络不仅收敛速度明显加快，而且其预报精度也比较高。Short-term load forecast is very important in power system management, accurate load forecast can ensure customer to get safe, economical and reasonable power supply. Among many optimizing algorithms used for load forecasting, a novel QPSO （Quantum Particle Swarm Optimization） algorithm is proposed for optimizing the weight of WNN （Wavelet Neural Network） and is corrected by the use of fuzzy logic. The fitting data of a grid load show that after the training of QPSO optimization algorithm, convergence speed and precision of Wavelet neural network are improved.

关 键 词：量子粒子群优化算法 小波神经网络 模糊理论 电力系统 短期负荷预测 

分 类 号：TP13[自动化与计算机技术—控制科学与工程;自动化与计算机技术—控制理论与控制工程]