[发明专利]一种基于智能算法优化组合的电网负荷率预测方法

权利要求书

1.一种基于智能算法优化组合的电网负荷率预测方法，其特征在于：所述的基于智能算法优化组合的电网负荷率预测方法包括按顺序执行的下列步骤：

第一步：对可能对负荷率造成影响的因素进行梳理，每个因素所采用的时间序列样本数至少在10个以上；

第二步：对上述序列因素利用归一化处理公式进行归一化处理，以消除量纲对预测的影响：将以上基础数据进行归一化到区间[0，1]，如果数据本身即在区间[0，1]内则跳过此步骤，如负荷率本身则不需进行处理；

第三步：采用包括RBF神经网络、GRNN神经网络、SVR在内的不同预测算法分别进行负荷率预测，得到预测结果；

第四步：经过逆向还原将上述预测结果处理为正常量纲下的数据：

第五步：以平均绝对百分误差MAPE作为适应度函数，基于遗传算法对不同预测算法下的预测结果进行优化组合，找到不同预测结果的权重，进一步缩小误差，最终得到最佳预测结果。

2.根据权利要求1所述的基于智能算法优化组合的电网负荷率预测方法，其特征在于：在第三步中，所述的归一化处理公式如下：

y=x-xminxmax-xmin---(1)]]>

其中，x为处理前数值，y为处理后数值，其中x_max、x_min分别为该项数据的最大值和最小值。

3.根据权利要求1所述的基于智能算法优化组合的电网负荷率预测方法，其特征在于：在第五步中，所述的以平均绝对百分误差MAPE作为适应度函数，基于遗传算法对不同预测算法下的预测结果进行优化组合，找到不同预测结果的权重，进一步缩小误差，最终得到最佳预测结果的方法是采用如下的组合预测数学模型：

y^t=Σt=1kwiyit(t=1,2,...,n),]]>且Σt=1kwi=1---(2)]]>

其中，y_it(i＝1,2,...,k；t＝1,2,...,n)为第i种预测方法在t时刻的预测值，w_i为第i种预测方法的权系数。