[发明专利]一种基于粒子群算法的电量组合预测方法

权利要求书

1.一种基于粒子群算法的电量组合预测方法，其特征在于：所述的基于粒子群算法的电量组合预测方法包括按顺序执行的下列步骤：

步骤1)选取若干种相互独立且考虑不同影响因素的单一电量预测模型，分别记为f_i(i＝1,2…k)；

步骤2)针对步骤1)中选取的若干种预测模型，分别赋予相应的权重w_i(i＝1,2…k)，建立起电量组合预测模型；

步骤3)利用步骤1)中选取的若干种单一电量预测模型对历史年份的电量进行预测，并将预测电量与实际用电量进行记录，形成包含若干种预测电量和实际用电量的样本；

步骤4)利用步骤3)中形成的样本，以权重w_i(i＝1,2…k)作为优化变量，通过粒子群算法对步骤2)中建立的电量组合预测模型进行拟合，选取拟合度最佳的方程作为最优电量组合预测模型；

步骤5)利用步骤4)中得到的最优电量组合预测模型对目标年电量进行预测。

2.根据权利要求1所述的基于粒子群算法的电量组合预测方法，其特征在于：在步骤1)中，所述的电量预测模型包括但不限于产值单耗法模型、回归分析法模型、季节指数法模型。

3.根据权利要求1所述的基于粒子群算法的电量组合预测方法，其特征在于：在步骤2)中，所述的电量组合预测模型的表达式为：

F=Σi=1kwifi---(1)]]>

其中：w_i≥0(i＝1,2…k)

F为电量组合预测模型，f_i和w_i分别表示选取的单一电量预测模型及其权重。

4.根据权利要求1所述的基于粒子群算法的电量组合预测方法，其特征在于：在步骤4)中，所述的通过粒子群算法对步骤2)中建立的电量组合预测模型进行拟合的方法包括下列步骤：

步骤4.1)将权重w_i(i＝1,2…k)作为粒子群，设置粒子种群数、学习因子、飞行速度上下限，初始化各粒子的速度和位置，设置最大迭代次数dcmax；

步骤4.2)将第m(m＝1,2…n)年的若干种预测结果f_im(i＝1,2…k)代入电量组合预测模型中，得到初始化优化变量下第m年的用电量计算值F_m，求取第m(m＝1,2…n)年用电量计算值F_m与实际用电量f_m之差的平方和，记为F0，则F0=Σm=1n(Fm-fm)2;]]>

步骤4.3)初始化minF＝F0；

步骤4.4)初始化迭代次数dc＝0；

步骤4.5)令dc＝dc+1；

步骤4.6)判断dc是否大于0，若是，则进入步骤4.7)，否则进入步骤4.4)；

步骤4.7)根据粒子群算法更新优化变量的数值，将第m年的若干个预测电量代入电量组合预测模型，得到该优化变量下第m年的用电量计算值，求取第m(m＝1,2…n)年用电量计算值与实际用电量之差的平方和，记为Fdc；

步骤4.8)判断minF是否小于Fdc，若是则进入步骤4.10)，否则进入步骤4.9)；

步骤4.9)令minF＝Fdc,并记录对应的权重值w_i(i＝1,2…k)；

步骤4.10)判断dc是否大于dcmax，若是，则进入步骤4.11，否则进入步骤4.5)；

步骤4.11)将求取的权重值w_i(i＝1,2…k)代入得到最优电量组合预测模型。