[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

说明书

本发明公开了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，依次包括以下步骤：A：获取数据并进行预处理；B：构造特征向量S1和S2并对S1进行归一化处理；C:构建自适应权重预测模型；D：对遗传神经网络模型进行参数设置；E:对遗传神经网络模型进行训练；F:得到训练后的遗传神经网络预测模型；G：得到待预测日的日最大电力负荷；H：得到自适应权重预测模型对待预测日的日最大电力负荷预测结果；I：计算遗传神经网络模型和自适应权重预测模型的修正系数；J：输出待预测日的日最大电力负荷的预测值。本发明能够快速有效的进行日最大电力负荷预测。

技术领域

本发明涉及电力领域，尤其涉及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。

背景技术

随着经济社会的高速发展，电力在社会生活中的应用越来越广泛，负荷预测作为电力系统运行的关键工具，许多运营决策都是基于电力负荷预测，比如发电机的调度、可靠性分析和发电机维护计划的安排等，能否准确进行负荷预测是制定电力供应计划和电网电量共需平衡的关键挑战。

然而，电力负荷的变化具有一定的波动性和随机性，在电力负荷预测过程中，诸如天气状况、经济条件、日类型、产业结构等因素不同程度地影响着电力负荷预测的结果，为实现电力系统实时高效调度，满足广大电力用户的用电需求，需要进行准确的电力负荷预测，以便电能的生产、电能的供应与负荷情况尽可能达到平衡，更好地为电网提供利益。

发明内容

本发明的目的是提供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，能够基于电力负荷数据的特征以及天气状况、日类型等相关影响因素合理建模，快速有效的进行日最大电力负荷预测，从而为保障民生以及经济发展做出贡献。

本发明采用下述技术方案：

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，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；