[发明专利]基于多维灰色-神经网络混合协调的电力需求预测方法

说明书

本发明涉及基于多维灰色‑神经网络混合协调的电力需求预测方法，包括：以电力需求原始数据序列E为特征序列，以关键影响因素序列作为相关因素序列，形成多维灰色预测模型；将电力需求数据序列和相关因素序列进行累加，生成新序列，利用最小二乘法对新序列进行估计，得出电力需求总量的预测结果序列E_DM；获取E与E_DM之间残差ε，并对ε序列进行B‑P反向传播网络预测，得到ε_AN；获取ε与ε_AN的差值序列ε₂，以历史的电力需求残差序列ε₂作为影响因素序列进行B‑P反向传播网络预测，结果为ε_2AN；将E_DM、ε_AN、ε_2AN相加，得到预测结果序列。本发明既可以弥补单一预测算法的不足，又能够同时考虑多个关键因素。

技术领域

本发明属于电网规划电力需求预测技术领域，尤其涉及基于多维灰色-神经网络混合协调的电力需求预测方法。

背景技术

电量预测是电力系统规划、电网交易及电网营销部门的重要工作之一。目前，常用的电量预测方法主要有基于数学模型的预测方法和基于专家的经验预测方法。基于专家的经验预测方法的缺点是依靠专家组的判断，主观性较大，结果的随机性也较大；基于数学模型的预测方法能够克服主观因素的影响，是建立在数学公式的基础上，但大多数的模型仅仅考虑单一因素的变化，不能准确模拟多种因素对电力需求的影响，而且单一算法得出的结果存在片面性，预测精度低。在当前经济发展的新形势下，多方因素共同影响电力需求的变化，因此急需研究一种电力需求预测方法，既可以弥补单一预测算法的不足，又能够同时考虑多个关键因素对电力需求预测的影响。

发明内容

本发明的目的在于克服现有技术的不足，提供一种电力需求预测方法，既可以弥补单一预测算法的不足，又能够同时考虑多个关键因素对电力需求预测的影响。

本发明解决其技术问题是采取以下技术方案实现的：

基于多维灰色-神经网络混合协调的电力需求预测方法，包括如下步骤：

S1、以电力需求原始数据序列E为特征序列，以关键影响因素序列作为相关因素序列，在灰色预测模型GM(1,1)的基础上，形成多维灰色预测模型GM(1,N)；将电力需求数据序列和相关因素序列进行累加，生成新序列，利用最小二乘法对新序列的序列参数进行估计，得出电力需求总量的预测结果序列E_DM；

S2、获取原始电力需求序列E与预测序列E_DM之间残差ε，并对ε序列进行B-P反向传播网络预测，得到结果序列表示为ε_AN；

S3、获取模型残差序列ε与B-P反向传播神经网络对ε的预测结果序列ε_AN的差值序列ε₂，以历史的电力需求残差序列ε₂作为影响因素序列进行B-P反向传播网络预测，预测的结果表示为ε_2AN；

S4、将步骤S1、S2、S3预测得到的结果E_DM、ε_AN、ε_2AN相加，得到最后的预测结果序列。

进一步的，所述步骤S2中通过反向逐层修正神经网络中的权值和阈值，直到模型的参数达到设定的指标为止。

进一步的，所述步骤S2中在利用B-P反向传播网络对ε序列进行预测的过程中还包括关键因素分析预测。

进一步的，所述模型中的参数为误差或训练次数。

本发明的优点和积极效果是：

本发明的电力需求预测方法将灰色预测模型和神经网络理论相结合，既可以弥补单一预测算法的不足，又能够同时考虑多个关键因素对电力需求预测的影响。