[发明专利]一种基于蚁狮优化的LSSVM年用电量预测方法

说明书

技术领域

本发明涉及年用电量预测技术领域，尤其是涉及一种基于蚁狮优化的LSSVM年用电量预测方法。

背景技术

年用电量预测对电力系统的规划，运行和维护至关重要，也可以在一定程度上反映一个国家或地区的经济发展。精确的年用电量预测可为电力系统运营商和经济管理者提供有价值的参考。因此对电力负荷进行预测是电力系统最重要的基本工作之一，它对能源规划、电力系统的运行与控制及经济发展战略研究有着重要意义。预测的方法有：回归分析法、类比法，弹性系数法，时间序列法，神经网络法等。

在现代经济社会中，用电量与经济、社会、人口及生态环境之间都存在着异常密切的关系，即用电系统是一个受到众多因素影响的复杂系统，用常规的数学方法来建立预测模型，不仅工作量大，而且预测精度也难以保证。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于蚁狮优化的LSSVM年用电量预测方法。

本发明的目的可以通过以下技术方案来实现：

一种基于蚁狮优化的LSSVM年用电量预测方法，所述的年用电量预测方法包括以下步骤：

S1、确定LSSVM预测模型的输入变量；

S2、初始化蚁狮优化算法，将初始蚁狮位置作为核参数和正则化参数代入LSSVM模型，得到相应的年用电量预测值；

S3、建立适应度函数，计算初始蚁狮位置的适应度值，得到初始适应度值，保留最小初始适应度值对应的蚁狮作为初始精英蚁狮；

S4、更新蚂蚁位置，计算当代蚂蚁的适应度值，并与当代蚂蚁对应的蚁狮位置的适应度值进行比较，判断是否更新蚁狮位置；

S5、将上一步得到的蚁狮位置的适应度值逐一与上一代精英蚁狮位置的适应度值比较，保留较小适应度值对应的蚁狮位置，得到本次迭代精英蚁狮位置；

S6、判断是否达到最大迭代次数，若为是，则输出精英蚁狮位置及其相应的年用电量预测值，若为否，返回S4。

步骤S1具体为：采用灰色关联分析方法，获得年用电量影响因素和年用电量之间的关联度值，根据关联度值，选择相应的年用电量影响因素作为LSSVM预测模型的输入变量。

步骤S2中初始化蚁狮优化算法包括以下步骤：

S201、参数初始化，包括种群规模Agents_no，解的维数d＝2，解空间的上界b_up，解空间的下界b_low，最大迭代次数Max_iter；

S202、位置初始化，随机产生蚂蚁的位置矩阵M_Ant和蚁狮的位置矩阵M_Antlion。

S201中所述的解空间的上界b_up＝[1000,1000]，下界b_low＝[0.1,0.01]。

S202中蚂蚁的位置矩阵M_Ant和蚁狮的位置矩阵M_Antlion为：

其中M_Ant和M_Antlion中的值由式A_*j或AL_*j＝rand*(b_upj-b_lowj)+b_lowj得到，A_*j和AL_*j分别表示蚂蚁位置矩阵和蚁狮位置矩阵第j列的值，rand为0到1之间的一个随机数，n＝Agents_no，b_upj和b_lowj分别为第j列的上界和下界，M_Ant和M_Antlion的每一行均对应LSSVM的一组核参数和正则化参数，即(σ,γ)。

步骤S3中的适应度函数为：其中，和分别为第s组检验样本的实际值和预测值，N为样本个数。

步骤S4中蚂蚁位置的更新公式为其中，表示在蚁狮周围随机游走的第t次迭代轮盘赌所选择的蚂蚁位置，表示在精英蚁狮周围随机游走的第t次迭代的蚂蚁位置，为第t次迭代时第i个蚂蚁的位置。