[发明专利]基于遗传神经网络和自适应权重的日最大电力负荷预测法

权利要求书

1.一种基于遗传神经网络和自适应权重的日最大电力负荷预测法，其特征在于，依次包括以下步骤：

A：获取电力负荷数据、日类型数据和气象数据并进行预处理；

其中，电力负荷数据的预处理为标记出电力用户第i天的日最大电力负荷P_i；日类型数据的预处理为将工作日和节假日分别标记为数值1和2；气象数据的预处理为将天气情况按晴天、多云、阴天和雨雪天分别标记为数值1、2、3和4，并记录日最高温度H、日最低温度L和空气湿度R；

B：构造特征向量S1和特征向量S2，并对特征向量S1进行归一化处理得到归一化后的特征向量

其中，第i天的特征向量S1(i)＝[W_i,H_i,L_i,R_i,D_i]^T，第i天的特征向量S2(i)＝[S1(i-3),S1(i-2),S1(i-1)]，其中W_i为第i天的天气情况；H_i为第i天的日最高温度；L_i为第i天的日最低温度；R_i为第i天的空气湿度；D_i为第i天的日类型数据；S1(i-3)为第i-3天的特征向量S1；S1(i-2)为第i-2天的特征向量S1；S1(i-1)为第i-1天的特征向量S1；式中W_imax表示W_i的最大值、W_imin表示W_i的最小值；H_imax表示H_i的最大值、H_imin表示H_i的最小值；L_imax表示L_i的最大值、L_imin表示L_i的最小值；R_imax表示R_i的最大值、R_imin表示R_i的最小值；D_imax表示D_i的最大值、D_imin表示D_i的最小值；

C:计算特征向量S1与特征向量S2各列向量的关联系数，对自适应权重α进行赋值，构建自适应权重日最大电力负荷预测模型；

自适应权重日最大电力负荷预测模型为：

式中，T₀(i)为自适应权重日最大电力负荷预测模型在第i日的预测结果，P_q为第q天对应的日最大电力负荷；α_q为特征向量S2第q个列向量的自适应权重；r_Q(q)为特征向量S1与特征向量S2第q个列向量的关联系数；G为第一中间参数；K为特征值k的个数，即S2行向量的个数；χ_q(k)为第二中间参数；表示特征向量S2的第q个列向量中的各特征值与特征向量S1中各对应特征值差异最小的特征值；表示特征向量S2所有列向量中的各特征值与特征向量S1中各对应特征值差异最小的特征值；ρ是一个介于0和1之间的常数，本模型中ρ取0.5，表示特征向量S2所有列向量中各特征值与特征向量S1中各对应特征值差异最大的特征值；Δ'_q(k)表示特征向量S2第q个列向量中第k个特征值与特征向量S1中第k个特征值的差异；

D：对遗传神经网络日最大电力负荷预测模型的参数进行设置；参数包括种群大小、遗传代数、交叉概率、变异概率、权值和阈值；

E:将步骤B中得到的归一化后的特征向量作为训练样本输入遗传神经网络日最大电力负荷预测模型中，对遗传神经网络日最大电力负荷预测模型进行训练；

遗传神经网络日最大电力负荷预测模型分为三层，分别为输入层、隐含层、输出层，其中输入层节点数为n，n为输入特征向量S1的行数，输出层节点数为1，隐含层节点数s＝2n+1,X_n为输入特征向量S1第n行的值；

F:判断遗传神经网络日最大电力负荷预测模型的训练误差的均方差E是否满足设定要求，若训练误差的均方差E满足设定要求则完成训练，然后进入步骤G，利用训练后的遗传神经网络日最大电力负荷预测模型进行日最大电力负荷预测；如果训练误差的均方差E不满足设定要求则返回步骤D，对遗传代数进行更新设置，设置方法为将现有遗传代数设定值增加5后，转入步骤E继续训练，直至训练误差的均方差E满足设定要求；得到训练后的遗传神经网络日最大电力负荷预测模型；

G：将待预测日的特征向量S1在归一化处理后输入训练后的遗传神经网络日最大电力负荷预测模型，得到待预测日i的日最大电力负荷F₀(i)；

H：将待预测日i的前3日的日最大电力负荷P_i-3、P_i-2和P_i-1，输入到步骤C中得到的自适应权重日最大电力负荷预测模型中，得到自适应权重日最大电力负荷预测模型对待预测日i的日最大电力负荷预测结果T₀(i)；

I：计算遗传神经网络日最大电力负荷预测模型和自适应权重日最大电力负荷预测模型的修正系数；

式中，S(i)为基于遗传神经网络和自适应权重日最大电力负荷预测模型的最终预测结果，C₁为遗传神经网络日最大电力负荷预测模型的修正系数，C₂为自适应权重日最大电力负荷预测模型的修正系数，F₀(i)为遗传神经网络日最大电力负荷预测模型对待预测日i的日最大电力负荷的预测值，T₀(i)为自适应权重日最大电力负荷预测模型对待预测日i的日最大电力负荷的预测值，E为遗传神经网络日最大电力负荷预测模型中训练误差的均方差，T为自适应权重日最大电力负荷预测模型预测误差的均方差，F(i)为待预测日i的日最大电力负荷实际值；

J：利用步骤I中构建的基于遗传神经网络和自适应权重的日最大电力负荷预测模型，输出待预测日i的日最大电力负荷的预测值S(i)，S(i)＝C₁*F₀(i)+C₂*T₀(i)。