[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

说明书

技术领域

本发明属于电网负荷率预测技术领域，特别是涉及一种基于智能算法优化组合的电网负荷率预测方法。

背景技术

负荷率是电力生产能力利用程度的指标。2003年国家《销售电价改革方案》中就提出了根据用户负荷特性进行电价改革的设想。2012年国家开始研究制定考虑负荷率因素的销售电价即负荷率电价实施办法，以此推动电力工业和国民经济从粗放到集约发展的转型。成本因素是制定电价的基础，根据用户负荷率分摊和计算不同用户的用电成本，是负荷率电价实施的技术关键。基于此，负荷率的预测分析对于负荷率电价的合理制定和推广起到了至关重要的作用。

然而，目前国内外对负荷率预测的研究仍较少，但关于负荷预测的技术方法已经相对成熟。在电力负荷预测方面，传统的负荷预测方法有回归预测模型、随机时间序列预测模型、灰色预测模型、专家系统法等。考虑到负荷率自身受影响因素众多、各因素作用原理不明等性质以及各种预测方法本身的局限性，传统的负荷预测方法很难达到准确预测的目的。例如，回归预测模型是采用结构过于简单的线性模型去解决严重非线性的问题，无法详尽描述负荷率的各种影响因素；随机时间序列预测模型在建模时过程复杂，对影响负荷率变动的因素(如天气、经济等)的考虑也不全面；灰色预测模型的应用范围较小，用于长期预测时误差容易扩大；专家系统法过分依赖规则，普适性较差。

而一些人工智能算法如神经网络法、SVR、遗传算法等，跳过了对负荷率相关因素内在作用原理的深究，可以有效解决传统预测方法中存在的过简 单化处理、遗漏影响因素、普适性差等问题。而人工智能算法普遍存在算法参数多依据主观经验确定，缺少适当的理论指导的新问题。为了解决此问题，需要以缩小预测误差为目标，对相关不同人工智能方法的预测结果进行合理的优化组合。

发明内容

为了解决上述问题，本发明的目的在于提供一种基于智能算法优化组合的电网负荷率预测方法。

为了达到上述目的，本发明提供的基于智能算法优化组合的电网负荷率预测方法包括：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。

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。

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：