[发明专利]基于MBG优化的电力负荷时间序列预测方法

权利要求书

1.一种基于MBG优化的电力负荷时间序列预测方法，其特征在于，包括以下步骤：

1)对电力系统的负荷数据进行实时采集，获得电力负荷时间序列数据；

2)采用一种CM模型对电力负荷时间序列进行建模，CM模型的具体结构如下：

其中，y_k为电力负荷的第k个采样数据；ξ_k为CM模型的建模误差；p和m为CM模型的阶次；||·||₂为二范数运算；为CM模型的线性权，且n₁＝0,1,...,p、n₂＝0,1,...,m；为CM模型的中心，且n₃＝1,...,m；w_k为CM模型的状态向量，且w_k＝y_k-1；

3)采用小批量梯度下降优化(MBG)算法对步骤2)中CM模型的参数集θ＝[c^T,z^T]^T进行在线优化，具体优化过程包括：

(1)当k＝1时，对MBG优化算法进行初始化；选择待优化参数集θ的初始值且向量和中的各组成元素均设置为0到1之间的随机量；设置MBG优化算法的收敛因子初值为β_θ,0＝1；设置MBG优化算法的遗忘因子α＝0.92；设置MBG优化算法的终止误差δ＝1×10^-5；

(2)实时采集和存储电力负荷的采样数据y_k直到k≥l，且l≥p2；此时计算y_p,k＝[y_k-1,y_k-2,...,y_k-p]^T，Y(l,k)＝[y_k,y_k-1,...,y_k-l+1]^T；

(3)MBG优化算法在第k-1步到第k步时，待优化参数的更新过程为：计算其中w_k＝y_k-1；计算其中：y_p,k＝[y_k-1,y_k-2,...,y_k-p]^T，且计算偏导数计算算法的整体信息向量计算算法的堆叠矩阵且计算计算算法的收敛因子且遗忘因子α＝0.92；更新此时的模型参数

(4)判断MBG优化算法是终止还是继续优化；比较和当时，则k＝k+1，并跳转至(3)；否则MBG优化过程结束，并定义参数N＝k，则此时MBG算法优化出的CM模型参数即

4)采用最小信息量准则来选择最优CM模型的阶次p和m。