基于IBAS-BP算法的热电厂 负荷预测及工程应用

来源：计算机测量与控制杂志2021年第10期北京时间：

作者：段中兴,宋婕菲,温倩,周孟

摘要：针对热电厂负荷随机性强、预测精度差、计算时间长等问题，提出一种结合改进天牛须搜索算法IBAS和BP神经网络的组合预测方法。模型以热电厂的历史有功负荷、季节、日期类型和气象数据为输入因子，通过引入精英策略，将单个天牛寻优扩充为群体寻优，同时改进天牛搜索步长，使BP参数在IBAS搜索范围内有效寻优，从而优化BP神经网络的权值，增强其搜索和寻优能力，提高预测网络的性能和精度。采用4个标准测试函数，将改进模型与标准天牛须算法对比。引入均方根误差RMSE、平均绝对百分比误差MAPE精度评价指标对PSO-BP网络、BAS-BP模型、IBAS-BP模型预测结果进行评估。实验结果表明，与其他模型的算例结果相比，IBAS-BP模型具有更好的预测性能。将热电厂负荷预测的结果，作为其厂级负荷优化分配系统(厂级AGC)的输入，通过负荷优化分配系统，得出单台机组未来负荷的预测值，最大限度地降低供电煤耗量，提高热电厂机组运行的经济性。

关键词：热电厂;负荷预测;BP神经网络;改进天牛须搜索算法(IBAS）;IBAS-BP模型;负荷优化分配

基金资助：国家自然科学基金资助项目(51678470)