[发明专利]基于PSO优化SVM的电厂耗煤基准值滚动预测方法和装置

权利要求书

1.一种基于PSO优化SVM的电厂耗煤基准值滚动预测方法，其特征在于，包括如下步骤：

S1、获取电厂日耗煤量数据作为输入数据；

S2、采用九点二次指数平滑法对输入数据进行滤波平滑处理；

S3、建立基于SVM的滚动更新预测模型；

S4、通过PSO算法对SVM模型进行参数优化得到PSO-SVM模型；

S5、将步骤S2中平滑处理后的输入数据输入步骤S4中的PSO-SVM模型进行耗煤基准值的滚动预测，获取预测结果。

2.根据权利要求1所述的一种基于PSO优化SVM的电厂耗煤基准值滚动预测方法，其特征在于，所述的步骤S2中，在滤波平滑处理前，将输入数据中的突变点的数值修改为该突变点前5天和其后5天的平均值。

3.根据权利要求1所述的一种基于PSO优化SVM的电厂耗煤基准值滚动预测方法，其特征在于，所述的步骤S2中，二次指数平滑公式为：

式中，和分别为t期和t–1期的二次指数平滑值；a为平滑系数，在和已知的条件下，二次指数平滑法的预测模型为：

式中，式中，a_t、b_t是预测模型参数，由平滑系数和t期、t-1期的二次指数平滑值计算得出；T是由t期向后推移期数；Y_t+T是第t+T期预测值。

4.根据权利要求1所述的一种基于PSO优化SVM的电厂耗煤基准值滚动预测方法，其特征在于，所述的滚动更新预测模型中，取n天作为评价耗煤基准的时间标准，其中18≤n≤25；取k天为当日日期，输入数据为k-49天到k天的日耗煤量，其对应的输出数据为第k+1天往后的n天的平均值。

5.根据权利要求1所述的一种基于PSO优化SVM的电厂耗煤基准值滚动预测方法，其特征在于，所述的步骤S4中，在已经搭建好的SVM模型上引入PSO算法对惩罚因子c和核参数g寻优，得到优化得到PSO-SVM模型。

6.根据权利要求5所述的一种基于PSO优化SVM的电厂耗煤基准值滚动预测方法，其特征在于，具体寻优流程为分别用每个粒子所对应的SVM对数据样本进行预测，计算出各粒子目前的位置值和预测误差，并将其作为粒子的适应度值，将粒子的目前位置的适应度值与其本身的适应度值相比，其更优值最为粒子当前的最优位置，并且不断更新粒子的最新位置和速度。

7.根据权利要求6所述的一种基于PSO优化SVM的电厂耗煤基准值滚动预测方法，其特征在于，粒子的速度和位置更新公式如下：

式中，k为迭代次数；ω为惯性权重；d为维度；c₁,c₂为学习因子；r₁,r₂∈[0,1]，为随机数；为第k次迭代粒子i飞行速度矢量的第d维分量，为第k次迭代粒子i位置矢量的第d维分量，为粒子i在第k次迭代后经历过的最好位置的第d维分量，为种群在第k次迭代后经历过的最好位置的第d维分量。

8.一种基于PSO优化SVM的电厂耗煤基准值滚动预测装置，其特征在于，包括：

采集模块，用于获取电厂日耗煤量数据作为输入数据；

预处理模块，采用九点二次指数平滑法对输入数据进行滤波平滑处理；

建模模块，用于建立基于SVM的滚动更新预测模型，并且通过PSO算法对SVM模型进行参数优化得到PSO-SVM模型；

预测模块、用于将预处理模块中平滑处理后的输入数据输入建模模块中的PSO-SVM模型进行耗煤基准值的滚动预测，获取预测结果。