[发明专利]配电网短期负荷预测方法、装置、终端及存储介质

权利要求书

1.一种配电网短期负荷预测方法，其特征在于，包括：

基于历史日负荷数据集、历史日气象数据集以及待预测日气象数据，确定待预测日中各个时段对应的参考日负荷数据集；

获取鲁棒极限学习机的隐含层数目和激活函数；

对所述激活函数中各个隐含层的输入权值及偏置进行优化，获得使所述鲁棒极限学习机的输出误差最小的最优输入权值及最优偏置；

根据各个时段对应的参考日负荷数据集，对获得最优输入权值及最优偏置后的鲁棒极限学习机进行训练，获得各个时段对应的短期负荷预测模型；

根据各个时段对应的短期负荷预测模型，对所述待预测日进行负荷预测。

2.如权利要求1所述的配电网短期负荷预测方法，其特征在于，所述对所述激活函数中各个隐含层的输入权值及偏置进行优化，获得使所述鲁棒极限学习机的输出误差最小的最优输入权值及最优偏置，包括：

将每条鲸鱼的行走位置作为所述激活函数中各个隐含层的输入权值及偏置，初始化鲸鱼优化算法参数并得到初始种群；

以所述鲁棒极限学习机的输出误差最小为目标，根据所述初始种群获得局部最优解；

若|A|≥1，根据更新下一代种群中鲸鱼个体位置；

若|A|1，根据更新下一代种群中鲸鱼个体位置；

其中，t为当前迭代次数，X(t)为当前迭代次数下的鲸鱼个体位置向量，X_rand为随机选择的鲸鱼个体位置向量，X_L(t)为当前迭代次数下的局部最优解，A、C为系数向量，a为从2到0递减的数，r为[0,1]之间的随机数，b为常量系数，l为[0,1]之间的随机数，p_t∈[0,1]，并根据进行更新；

判断所述当前迭代次数是否达到所述鲸鱼优化算法参数中的最大迭代次数；

若所述当前迭代次数达到所述鲸鱼优化算法参数中的最大迭代次数，输出当前迭代次数下的鲸鱼个体位置向量，获得使所述鲁棒极限学习机的输出误差最小的最优输入权值及最优偏置；

若所述当前迭代次数未达到所述鲸鱼优化算法参数中的最大迭代次数，继续执行更新下一代种群中鲸鱼个体位置的步骤，直到所述当前迭代次数达到所述鲸鱼优化算法参数中的最大迭代次数。

3.如权利要求1或2所述的配电网短期负荷预测方法，其特征在于，所述基于历史日负荷数据集、历史日气象数据集以及待预测日气象数据，确定待预测日中各个时段对应的参考日负荷数据集，包括：

根据所述历史日负荷数据集和所述历史日气象数据集建立决策树，对所述历史日负荷数据集进行季节性划分并得到季节划分规则；

针对各季节的历史日负荷数据子集中的每条历史日负荷数据，进行非参数核密度拟合，获得各季节的典型日负荷曲线；

对各季节的典型日负荷曲线进行重要点分割，确定各季节的日重要点；

根据所述季节划分规则及所述待预测日气象数据，确定所述待预测日的季节属性；

根据所述季节属性对应季节的日重要点，将对应季节的历史日气象数据子集中的每条历史日气象数据及所述待预测日气象数据分段；

基于分段结果，计算对应季节的历史日气象数据子集中的每条历史日气象数据与待预测日气象数据的相似度，确定待预测日中各个时段对应的参考日负荷数据集。