[发明专利]基于IPSO-混沌BP网络的负荷短期预测方法及预测系统在审
| 申请号： | 202110392956.0 | 申请日： | 2021-04-13 |
| 公开（公告）号： | CN113076696A | 公开（公告）日： | 2021-07-06 |
| 发明（设计）人： | 祝燕萍;苏卫华;蒋兴新;赵容兵 | 申请（专利权）人： | 国网上海市电力公司;上海浦海求实电力新技术股份有限公司 |
| 主分类号： | G06F30/27 | 分类号： | G06F30/27;G06Q10/04;G06Q50/06;G06N3/00;G06N3/04;G06N3/08 |
| 代理公司： | 上海科盛知识产权代理有限公司 31225 | 代理人： | 翁惠瑜 |
| 地址： | 200122 上海市浦*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 ipso 混沌 bp 网络 负荷 短期 预测 方法 系统 | ||
1.一种基于IPSO-混沌BP网络的负荷短期预测方法，其特征在于，包括如下步骤：
步骤S1：获取待测地点的实际历史电力负荷数据；
步骤S2：将所述电力负荷数据输入基于IPSO-混沌BP网络的电力负荷短期预测模型中，获取所述待测地点预测日的各整点时刻的电力负荷预测结果；
其中，所述电力负荷短期预测模型以混沌BP神经网络为基础，所述混沌BP神经网络中的权值和阈值通过改进粒子群优化获得，所述改进粒子群采用引入反正弦函数的非线性动态改进惯性权重策略和加速系数线性调整策略。
2.根据权利要求1所述的基于IPSO-混沌BP网络的负荷短期预测方法，其特征在于，所述引入反正弦函数的非线性动态改进惯性权重策略中，惯性权重ω(t)表示为：
式中，ω1和ω2分别是开始和结束时的惯性权重，t表示当前迭代次数，tmax表示种群的最大迭代次数，γ是调节因子，rand()为(0,1)间的随机取值函数。
3.根据权利要求2所述的基于IPSO-混沌BP网络的负荷短期预测方法，其特征在于，所述调节因子γ的范围为1.1～1.3。
4.根据权利要求1所述的基于IPSO-混沌BP网络的负荷短期预测方法，其特征在于，所述加速系数线性调整策略中，加速系数c1和c2的调整公式表示为：
式中，c11、c12分别表示加速系数c1开始和结束时的值，c21，c22分别表示加速系数c2开始和结束时的值，Niter表示当前迭代次数，k为修正常数。
5.根据权利要求4所述的基于IPSO-混沌BP网络的负荷短期预测方法，其特征在于，所述修正常数k的范围为2.78～2.86。
6.一种基于IPSO-混沌BP网络的负荷短期预测系统，其特征在于，包括：
历史数据获取模块，用于获取待测地点的实际历史电力负荷数据；
自动预测模块，用于将所述电力负荷数据输入基于IPSO-混沌BP网络的电力负荷短期预测模型中，获取所述待测地点预测日的各整点时刻的电力负荷预测结果；
其中，所述电力负荷短期预测模型以混沌BP神经网络为基础，所述混沌BP神经网络中的权值和阈值通过改进粒子群优化获得，所述改进粒子群采用引入反正弦函数的非线性动态改进惯性权重策略和加速系数线性调整策略。
7.根据权利要求6所述的基于IPSO-混沌BP网络的负荷短期预测系统，其特征在于，所述引入反正弦函数的非线性动态改进惯性权重策略中，惯性权重ω(t)表示为：
式中，ω1和ω2分别是开始和结束时的惯性权重，t表示当前迭代次数，tmax表示种群的最大迭代次数，γ是调节因子，rand()为(0,1)间的随机取值函数。
8.根据权利要求6所述的基于IPSO-混沌BP网络的负荷短期预测系统，其特征在于，所述加速系数线性调整策略中，加速系数c1和c2的调整公式表示为：
式中，c11、c12分别表示加速系数c1开始和结束时的值，c21，c22分别表示加速系数c2开始和结束时的值，Niter表示当前迭代次数，k为修正常数。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于国网上海市电力公司;上海浦海求实电力新技术股份有限公司，未经国网上海市电力公司;上海浦海求实电力新技术股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202110392956.0/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种新型肺功能传感器消毒装置
- 下一篇：一种塑料袋加工用新型切割设备
