[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

说明书

本发明涉及一种基于IPSO‑混沌BP网络的负荷短期预测方法及预测系统，所述方法首先获取待测地点的实际历史电力负荷数据，再将所述电力负荷数据输入所述IPSO‑混沌BP网络的电力负荷短期预测模型中，获取所述地点预测日的各整点时刻的电力负荷预测结果，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。本发明能够有效地提高算法的寻优速度与搜索性能，减少算法的运算时间，并提高短期电力负荷预测的准确性，从而降低电网的运行成本。

技术领域

本发明涉及电力信息技术处理领域，尤其涉及一种基于IPSO-混沌BP网络的负荷短期预测方法及预测系统。

背景技术

近年来，对电能的需求不断增加，也对电能质量提出了更高的要求。面对越来越大的挑战，电力系统负荷预测成为电力系统规划和用电设备选择工作的重要内容。在目前情况下，由于电能尚不能大量储存，所以系统发出的电能必须与系统的负荷变化保持动态平衡，否则将会影响供电质量，甚至威胁到系统的安全稳定运行。如果负荷预测值偏低，将会导致电力供应紧张，无法满足用户的需求，大大降低供电可靠性；如果负荷预测值偏高，将会导致发、输、变电设备投入系统后的运行效率降低，严重影响系统的经济性指标。所以，更加精准的负荷预测，可以合理安排发电厂机组的启停、保证电力系统安全稳定运行、减少事故的发生、提高能源利用率、有效地降低发电成本并提高经济效益和社会效益。

电力负荷预测可以分为长期、中期和短期负荷预测。长、中期负荷预测的结果可以决定未来的发电厂的建设和设备的安装、机组容量的大小、地点和时间，可以决定电网的扩容和改建，决定电网的建设和发展。而短期负荷预测一般是指预测未来一天至一周的负荷情况，电力负荷短期预测的目的是要最大程度地满足电力系统生产对于需求预测值的精度要求。在电力市场不断完善的情况下，低误差的短期电力负荷预测才会减少浪费。

电力系统短期负荷预测的研究已经有很长时间的历史，国内外的众多专家、学者在负荷预测方面的研究从未间断，经过不断研究取得了不少进展。较为成熟的传统方法包括时间序列法、回归分析法、趋势外推法等；直到20世纪80年代末，专家系统法被应用到电力系统短期负荷预测中，为预测方法开辟了一个全新的领域；进入九十年代以来，人工网络在电力系统负荷预测的应用中得到研究人员的广泛关注，并且不断发展，取得了比较满意的效果；之后，随着研究的不断深入，又产生了许多负荷预测的方法，例如：模糊理论、基于点模式匹配的电力系统短期负荷预测以及支持向量机。然而，尽管电力负荷有多种预测方法，且都有各自的优缺点以及不同的适用场合，但总体预测的精度不高。

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出一种基于IPSO-混沌BP网络的负荷短期预测方法及预测系统，能够有效地提高寻优速度与搜索性能，减少运算时间，并提高短期电力负荷预测的准确性，从而降低电网的运行成本。

本发明的目的可以通过以下技术方案来实现：

本发明提供一种基于IPSO-混沌BP网络的负荷短期预测方法，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。

优选地，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：