[发明专利]一种改进的快换式公交充电站短期负荷预测方法

权利要求书

1.一种改进的快换式公交充电站短期负荷预测方法，其特征在于，所述预测方法包括以下步骤：

步骤1：输入指标并对各输入指标进行数据预处理；

步骤2：构建最小二乘支持向量机模型；

步骤3：利用思维进化算法对最小二乘支持向量机模型的参数进行优化和预测。

2.根据权利要求1所述的改进的快换式公交充电站短期负荷预测方法，其特征在于：所述步骤1中的指标包括：日类型、当日最高气温、当日最低气温、天气类型、日累计充电车辆数和预测日前3天同一时刻的负荷值。

3.根据权利要求2所述的改进的快换式公交充电站短期负荷预测方法，其特征在于：对所述步骤1中当日最高气温、当日最低气温、日累计充电车辆数和预测日前3天同一时刻的负荷值进行公式(1)的归一化处理：

其中，x_i是实际值，x_min和x_max分别是样本数据的最小值和最大值，y_i为归一化处理后的负荷值。

4.根据权利要求3所述的改进的快换式公交充电站短期负荷预测方法，其特征在于：所述步骤2中构建最小二乘支持向量机模型包括：设给定样本集N为样本总数；则样本的回归模型为公式(2)：

其中是训练样本投射到一个高维空间，w是加权向量，b是偏置；

最小二乘支持向量机模型的优化问题如公式(3)和(4)：

s·t y_i＝w^Tφ(x_i)+b+ξ_i,i＝1,2,3,…N (4)

其中，γ为惩罚系数，用于平衡模型的复杂程度和精确性；ξ_i为估算误差；

为解决公式(3)和(4)建立拉格朗日函数公式(5)：

其中α_i为拉格朗日乘子；

对函数的每个变量进行求导，并令其为零得公式(6)：

消去w和ξ_i转化为以下问题，如公式(7)：

其中公式(8)、(9)、(10)和(11)分别表示公式(7)中各参数：

e_n＝[1,1,...,1]^T (9)

α＝[α₁,α₂,...,α_n] (10)

y＝[y₁,y₂,...,y_n]^T (11)

求解以上线性方程组得公式(12)：

其中K(x_i，x)为满足莫斯条件的核函数；以径向基核函数作为最小二乘支持向量机模型的核函数，表达式如公式(13)：

K(x_i,x)＝exp{-||x-x_i||²/2σ²} (13)

σ²表示核宽度，反映了训练数据集的特性。

5.根据权利要求4所述的改进的快换式公交充电站短期负荷预测方法，其特征在于：所述步骤3利用思维进化算法对最小二乘支持向量机模型的核函数参数和惩罚参数进行优化和预测的具体步骤包括：

步骤3.1：选取训练集和测试集：训练集和测试集为最小二乘支持向量机模型所用，并为思维进化算法的初始化进行服务；

步骤3.2：思维进化算法初始化：设置思维进化算法的种群大小、优胜子种群个数、临时子种群个数、子种群大小、迭代次数以及与最小二乘支持向量机接口的参数；

步骤3.3：种群产生：产生初始种群、优胜子种群和临时子种群，为趋同操作和异化操作服务；

步骤3.4：趋同操作：在子种群内部，个体为成为优胜者而进行竞争，竞争过程为趋同，趋同过程结束的标志是通过迭代过程子种群内部不产生优胜者；

步骤3.5：异化操作：子种群之间进行全局竞争，若临时子种群得分高于成熟优胜子种群，则临时子种群替代该优胜子种群，该优胜子种群被解散；若临时子种群得分低于任意优胜子种群，则该临时子种群被淘汰和解散，在迭代过程中，异化操作将补充新的子种群；

步骤3.6：得到最优个体：当达到迭代结束条件时，思维进化算法停止优化，根据编码规则，对找到的最优个体进行解析，从而得到对应最小二乘支持向量机模型的核函数参数和惩罚参数；

步骤3.7：最小二乘支持向量机模型训练：在最小二乘支持向量机模型初始设置好初始参数，利用优化得到的核函数参数和惩罚参数，并用训练集样本对最小二乘支持向量机模型进行训练；

步骤3.8：仿真预测：对训练结果进行仿真测试，满足预期目标后，进行快换式公交充电站负荷预测，并对结果进行分析。