[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

说明书

本发明涉及一种基于PSO优化SVM的电厂耗煤基准值滚动预测方法和装置，方法包括如下步骤：获取电厂日耗煤量数据作为输入数据；采用九点二次指数平滑法对输入数据进行滤波平滑处理；建立基于SVM的滚动更新预测模型；通过PSO算法对SVM模型进行参数优化得到PSO‑SVM模型；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。与现有技术相比，本发明能精确有效的对电网调度需求的耗煤基准值进行滚动测试和预测更新。

技术领域

本发明涉及电网调度侧预测方法，尤其是涉及一种基于PSO优化SVM的电厂耗煤基准值滚动预测方法和装置。

背景技术

近年来，随着国家经济结构转型升级、能源革命战略的实施及电力市场化改革不断推进，电网亟需能满足电力电量平衡的最优调度策略，实现对电厂机组负荷优化经济分配。电网调度在做电煤供应分级预警的研究制定和对各电厂负荷经济分配时常会用到耗煤基准值，它对于监测电厂未来存煤使用天数，制定合理发电调度计划具有重要的作用。

目前国内外并没有针对耗煤基准值的精准算法。对于建立耗煤基准值预测的时序模型，主流的有采用时间序列法和神经网络深度学习算法。但是考虑到电网下火电厂日耗煤量受多种不可控因素影响，且变化趋势波动性强，采用工程上常用的拟合算法易造成误差不可控的结果，单纯选取历史数据进行单步预测也会造成较大的误差，复杂的神经网络算法难以在实际软件中编程实现。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于PSO优化SVM的电厂耗煤基准值滚动预测方法和装置。

本发明的目的可以通过以下技术方案来实现：

一种基于PSO优化SVM的电厂耗煤基准值滚动预测方法，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。

进一步地，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。

进一步地，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，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。

进一步地，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。

进一步地，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。