改進人工蜂群算法研究及其在風(fēng)電功率預(yù)測中的應(yīng)用

發(fā)布時間：2019-09-11 10:27

【摘要】：隨著社會科技的高速發(fā)展,優(yōu)化問題已成為學(xué)術(shù)界和工程界最為常見的問題之一,傳統(tǒng)優(yōu)化方法已難以滿足具有高維、多峰、不可微特點的優(yōu)化問題需求,而群智能優(yōu)化算法是一種高度模擬動物行為的群體智能算法,對解決這一類復(fù)雜優(yōu)化問題具有明顯優(yōu)勢,受到了眾多學(xué)者的廣泛關(guān)注。人工蜂群算法作為群體智能優(yōu)化算法中較為新穎的一種,簡單、高效,收斂性能良好,近年來發(fā)展迅速。但在收斂精度、全局最優(yōu)等方面還有較大的改進空間,并且目前對多目標人工蜂群算法的研究還相對較少,多目標人工蜂群算法的應(yīng)用可進一步拓展。因此,論文對基本人工蜂群算法進行改進以提高算法的收斂性能,提出一種新的多目標人工蜂群算法,并將其應(yīng)用到風(fēng)電功率區(qū)間預(yù)測領(lǐng)域,具有積極的理論意義和較高的實用價值。論文對人工蜂群算法的國內(nèi)外研究現(xiàn)狀進行了深入分析,詳細闡述了基本人工蜂群算法原理及特點。在此基礎(chǔ)上,進行了以下創(chuàng)新性工作:通過改進引領(lǐng)峰搜索策略、跟隨蜂的概率選擇函數(shù)以及偵查蜂的淘汰更新函數(shù),提出了一種基于信息反饋和改進適應(yīng)度評價的人工蜂群算法。仿真結(jié)果表明,相比于基本人工蜂群算法,改進后算法的收斂性能得到明顯提高。采用進化知識混合引導(dǎo)引領(lǐng)蜂進化,融合個體支配關(guān)系和種群分布關(guān)系改進概率選擇公式,提出了一種基于進化知識融合的多目標人工蜂群算法。算法采用一種更為嚴格的外部檔案維護策略以降低外部檔案維護成本,提高解集的分布性能。通過與其他3種算法比較,表明本文所提出的多目標人工蜂群算法具有良好的收斂性能和分布性能,且所求解集的覆蓋范圍更廣。最后,構(gòu)建了一種小波神經(jīng)網(wǎng)絡(luò)的風(fēng)電功率概率區(qū)間預(yù)測模型,采用一種區(qū)間多目標智能優(yōu)化預(yù)測方法,并將其作為學(xué)習(xí)算法優(yōu)化小波神經(jīng)網(wǎng)絡(luò)的關(guān)鍵參數(shù)。結(jié)果表明構(gòu)建的多目標人工蜂群算法優(yōu)化小波神經(jīng)網(wǎng)絡(luò)對風(fēng)電功率概率區(qū)間預(yù)測精度更高,可靠性更強,可為電網(wǎng)調(diào)度提供決策依據(jù)。
【圖文】：