[发明专利]基于松鼠杂草混合算法的神经网络短期电力负荷预测方法

权利要求书

1.一种基于松鼠杂草混合算法的神经网络短期电力负荷预测方法，其特征在于，其步骤如下：

步骤一：将某地区待预测日前的历史电力负荷、气象因素及日期类型的数据组成样本数据集，运用SPSS软件的因子分析对样本数据集中的日最高温度、日最低温度、日平均温度、相对湿度和降水量的气象因素数据进行主成分分析并提取主成分代替原来的气象因素变量；

步骤二：将步骤一提取的气象因素主成分与日期类型的数据组成新的样本数据集，并归一化；

步骤三：将杂草算法的繁殖、空间扩散机制应用到松鼠算法中构成松鼠杂草混合算法，利用步骤二归一化后的气象因素的主成分数据与日期类型数据作为输入样本，构建出SSIWO-BP神经网络预测模型，历史电力负荷数据作为输出样本对BP神经网络进行训练；SSIWO-BP神经网络预测模型在训练的过程中，应用SSIWO算法代替传统的梯度下降法来优化BP神经网络的权重和阈值；

步骤四：将待预测日的日期类型数据和气象因素数据输入SSIWO-BP神经网络预测模型预测其电力负荷值；

所述松鼠杂草混合算法的步骤如下：

1)初始化松鼠种群位置，种群大小和最大迭代次数；

2)将待优化的目标函数作为种群的适应度函数，计算适应度并将适应度升序排列，将最小适应度值的松鼠定义在山核桃树上，接下来三个适应度值小的松鼠定义为在橡子树上，剩下的松鼠在正常树上；

3)根据步骤2)所定义的松鼠位置信息，随机选择n₁只普通树上的松鼠向山核桃树移动，n₂只松鼠向橡子树移动，在橡子树上的n₃只松鼠向山核桃树上移动，移动方式为

式中，d_g表示随机的滑翔距离，R₁、R₂、R₃表示[0,1]之间的随机数，FS_ht、FS_nt、FS_at分别表示山核桃树、橡子树、普通树上松鼠的位置，t表示当前迭代次数，G_c表示松鼠滑翔常数，P_dp表示捕食者出现的概率；

4)计算松鼠繁殖个数，并在搜索空间中扩散松鼠的位置；

所述步骤4)中计算松鼠繁殖个数和空间扩散方法为：

父代松鼠繁殖的幼崽个数与父代的适应度成线性关系，其公式如下：

其中，f是父代松鼠目标值；f_max和f_min分别是种群的最大和最小适应度，P_max和P_min分别表示种群的最大规模和最小规模；N_s为当前代生成松鼠的个数；

父代以平均值为0、标准差为δ的正态分布方式和步长Step∈[-δ,δ]分布在D维空间，标准差δ在迭代过程中会变化，其公式如下：

式中，σ_iter为第iter次迭代的标准差，σ_initial为起始标准差，σ_final为最终标准差，iter_max为最大迭代次数，θ为非线性调和指数；

5)根据竞争性生存法则，选择适应度好的松鼠个体被保留到下一代迭代当中；适应度差的松鼠被淘汰，松鼠数量保持在最大规模P_max；

6)计算季节常数S_c和季节常数最小值S_min：

其中，t为当前迭代次数，t_m为最大迭代次数，d为松鼠位置的最大维度，k为松鼠位置的当前维度；

7)设置季节变化约束条件，即检查S_c^tS_min是否成立；若成立，随机重新安置无法在森林中寻找到最佳食物来源的松鼠；

8)重复步骤2)-7)直至最大迭代次数并输出最优解。