[发明专利]一种基于人工鱼群神经网络的短期负荷预测方法

权利要求书

1.一种基于人工鱼群神经网络的短期负荷预测方法，其特征在于，包括以下步骤：

S1.获取预测日前N天的历史负荷数据以及预测日前N天的相关天气数据，将获取的历史负荷数据和相关天气数据随机划分为训练集和预测集；并将所有数据建立初始数据集合；其中相关天气数据包括温度和湿度数据；其中N为正整数；

S2.对初始数据集合中的数据进行预处理；其中预处理包括标准化处理以及归一化处理；

S3.构建人工鱼群神经网络，对所述人工鱼群神经网络进行初始化后将预处理后的训练集数据输入所述人工鱼群神经网络进行训练；

S4.将预处理后的预测集数据输入训练完毕的人工鱼群神经网络进行短期负荷预测，输出预测时刻短期负荷的归一化值；

S5.对所述预测时刻短期负荷的归一化值进行反归一化处理，得到预测时刻短期负荷的预测结果；

所述步骤S3具体包括以下步骤：

S31.构建人工鱼群神经网络，确定所述人工鱼群神经网络的层数以及其中神经元个数，随机初始化所述人工鱼群神经网络的权值ω以及阈值T_j；

S32.根据人工鱼群算法，对权值ω以及阈值T_j进行更新，得到权值ω以及阈值T_j的最优值；

S33.将预处理后的训练集数据输入所述人工鱼群神经网络进行训练；

所述步骤S32中对权值ω进行更新具体包括：

a.觅食行为：定义ω_ij表示第i个神经元对第j个神经元的权值，ω_ij模仿鱼群，当发现食物时候，会向食物逐渐增加的方向快速聚拢，即

其中，表示第t代中第i个神经元对第j个神经元的权值；s^t+1表示第t+1代中步长因子；分别表示第t代中第i个神经元对第j个神经元权值的第n个和第m个状态变量；α₀取0.01；L(2β)表示服从参数2β的莱维飞行的一个搜索向量；FC_n、FC_m分别表示状态和状态对应的食物浓度；

其中s^t表示第t代中步长因子；

s.t.μ～N(0,δ²),v～N(0,1)

其中μ、v表示符合正态分布的随机变量；

其中，λ＝1+2β；

b.聚群行为：鱼聚群时遵守隔离原则和中心原则，其中隔离原则即避免与附近的鱼过于拥挤；中心原则即尽可能往附近的鱼方向中心移动；

定义人工鱼当前状态为可见域内伙伴数目为a_nm，形成集合KN_m；

若其中为空集，表明可见域内存在其他伙伴，即a_nm≥1，则按照搜索伙伴中心位置并计算该伙伴中心位置的食物浓度值FC_c；

当FC_c/a_nm＞FC_n，则表明伙伴中心位置安全度较高，不太拥挤，计算与中心的距离d_min，尽量朝临近伙伴的中心移动；

若表明可见域内不存在其他伙伴，则执行觅食行为；

c.追尾行为：模仿鱼群当前的状态，可见域内所有伙伴中FC最大的伙伴为若FC_n＞FC_m，则表明伙伴的食物浓度高、周围不拥挤，则执行更新权重

若FC_n≤FC_m，则继续觅食