[发明专利]基于果蝇优化算法-支持向量机的售电量预测方法

说明书

本发明公开了一种基于果蝇优化算法‑支持向量机的售电量预测方法。电网企业售电量由于受到诸多因素影响，因此电网企业售电量数据序列表现出复杂的非线性变化，难以用准确的数学模型描述。本发明采用的技术方案包括如下步骤：1)将支持向量机作为售电量预测机；2)利用果蝇优化算法确定售电量预测机的训练参数；3)将训练参数代入售电量预测机，建立售电量预测模型，对售电量进行预测。本发明可对电网企业售电量进行准确合理的估算，便于电网企业有效地进行电网投资和成本管控。

技术领域

本发明属于电网企业售电量预测领域，涉及一种基于果蝇优化算法-支持向量机的电网企业售电量预测方法。

背景技术

电网售电量是电网企业投资和成本管控的重要组成部分，为了制定最佳的投资策略，需要对电网售电量进行准确合理的估算。但是电网企业售电量由于受到诸多因素影响，因此电网企业售电量数据序列表现出复杂的非线性变化，难以用准确的数学模型描述。

因此，相关学者对电网售电量的预测方法也进行了深入的研究，取得的成果较为显著。朱国华、吕华珍和王林在传统灰色预测模型基础上，提出了改进的灰色模型月度电量预测方法。吴杰、主国堂和卢至刚等人从影响电网售电量的因素出发,利用偏最小二乘回归与比重法建立了国民生产总值、人口、社会固定资产投资、人均国民生产总值与售电量的回归预测模型。此外，吴杰、主国堂和卢至刚等人也针对售电量预测中无法计及气温变化及变化持续时间影响的难点，提出了基于云模型及比重法的月售电量预测算法。

然而，随着国民经济的快速发展和市场竞争的加剧,电网售电量的变化呈现波动性和多样性，因此这些预测方法的运用也存在一定的局限性。

发明内容

针对目前电网企业售电量预测不准确的问题，本发明提供一种基于果蝇优化算法-支持向量机的电网企业售电量预测方法，其通过果蝇优化算法分析确定预测模型的训练参数，并将其作为支持向量机模型的训练参数，建立电网企业的售电量预测模型，以便于对电网企业售电量进行准确合理的估算，同时也能够使得电网企业对电网投资和成本管控进行快速响应。

为此，本发明采用如下的技术方案：基于果蝇优化算法-支持向量机的售电量预测方法，其包括步骤：

1)将支持向量机作为售电量预测机；

2)利用果蝇优化算法确定售电量预测机的训练参数；

3)将训练参数代入售电量预测机，建立售电量预测模型，对售电量进行预测，便于电网企业有效地管理和控制电网投资和成本。

本发明通过对电网历史数据分布规律的研究分析，挖掘其发展的规律和特点，并创新性地提出了一种电网售电量预测的新方法，为电网售电量预测工作提供了一种可供选择的新手段。

进一步地，所述售电量预测机的建立包括以下具体步骤：

1)由于支持向量机具有无限逼近非线性连续函数关系的性质，因此选择支持向量机作为售电量预测机；

2)设样本集为(x_i,y_i)，i＝1,2,...,n；y是水平值，超平面方程为：

ωx_i+b＝0，

在约束条件上加入一个松弛变量ξ_i≥0，这时的最大间隔超平面称为广义最优分类超平面，则约束条件变为：

y_i(ωx_i+b)≥1-ξ_i，

对应的优化问题转变为：

s.t y_i(ωx_i+b)≥1-ξ_i，i＝1,2,...,n，