[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

说明书

本发明方法采集历史负荷数据以及相关天气数据，将历史负荷数据和相关天气数据形成数据集合并进行预处理，建立人工鱼群神经网络并使用改进的优化算法对其中的阈值和权值进行更新，其中结合了莱维飞行的模拟行为从而更容易扩散鱼群的感应范围，模拟鱼群的行为，使得网络更容易寻找最优食物浓度，提高了收敛速度以及短期负荷预测的精准度；最后将预处理的数据集合作为输入放入初始化后的人工鱼群神经网络中进行训练，利用训练完毕的人工鱼群神经网络进行短期负荷预测。本发明方法解决了现有的人工神经网络结构采用梯度下降法更新权值和阈值而导致神经网络预测时间长的问题，同时提高了短期负荷预测的精度。

技术领域

本发明涉及电力系统负荷预测技术领域，更具体地，涉及一种基于人工鱼群神经网络的短期负荷预测方法。

背景技术

电力系统短期负荷预测是保证电力系统安全经济运行和实现电网科学管理及调度的重要依据，也是能量管理系统(EMS)和配电管理系统(DMS)的重要组成部分。短期负荷由于人们生活习惯等各方面因素的影响而具有波动性和随机性。不精准的负荷预测值将会给电网安全可靠稳定运行和调度管理带来诸多问题，因此，提供精准的短期负荷预测给电力调度部门作为调度的参考依据具有重要意义。

短期负荷预测的方法有时间序列分析、概率统计等传统方法和以人工神经网络为代表的基于人工智能理论的现代化方法。然而现有人工神经网络结构较大时，依然采用梯度下降法等传统方法更新权值和阈值，这严重的影响了神经网络的训练速度和训练精度，从而降低网络预测的性能以及短期负荷的预测精度，导致传统人工神经网络预测模型普适性较弱。

发明内容

本发明为解决现有用于电力系统短期负荷预测的人工神经网络存在训练速度慢、训练精度低的问题，提供了一种基于人工鱼群神经网络的短期负荷预测方法。

为实现以上发明目的，而采用的技术手段是：

一种基于人工鱼群神经网络的短期负荷预测方法，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。

上述方案中，采集历史负荷数据以及相关天气数据，将历史负荷数据和相关天气数据形成数据集合并进行预处理，然后将预处理的数据集合作为输入放入初始化后的人工鱼群神经网络中进行训练，利用训练完毕的人工鱼群神经网络进行短期负荷预测，上述方案对于短期负荷预测的速度更快，结果更精准。

优选的，所述步骤S1具体为以时间间隔M分钟为一个样本单位，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，建立初始输入数据集合；其中M、N均为正整数；

X＝[L T H]

其中X为初始输入数据集合，L表示历史负荷数据，T表示包括平均温度、最低温度以及最高温度的温度数据，H表示湿度数据；

L＝[L_t-N L_t-(N-1) … L_t-1]