[发明专利]一种基于智能算法优化组合的电网负荷率预测方法

摘要

一种基于智能算法优化组合的电网负荷率预测方法。本发明首先基于Granger检验等手段在不遗漏信息的情况下筛选留下大量与负荷率存在关系的因素，保证负荷率相关因素分析的准确性和负荷率预测的精度。在进行负荷率预测时，考虑RBF神经网络、GRNN神经网络、SVR等智能算法，充分发挥智能算法遗漏信息少、不深究内部关系、预测精度高等相对传统预测方法的优势，并运用遗传算法对多种预测结果进行优化组合以进一步提高预测精度。该方法可用于电网系统或者大工业用户、居民用户等分类用户的年负荷率预测，为负荷率电价的有关研究提供一定的理论支撑。

主权项

一种基于智能算法优化组合的电网负荷率预测方法，其特征在于：所述的基于智能算法优化组合的电网负荷率预测方法包括按顺序执行的下列步骤：第一步：对可能对负荷率造成影响的因素进行梳理，每个因素所采用的时间序列样本数至少在10个以上；第二步：对上述序列因素利用归一化处理公式进行归一化处理，以消除量纲对预测的影响：将以上基础数据进行归一化到区间[0，1]，如果数据本身即在区间[0，1]内则跳过此步骤，如负荷率本身则不需进行处理；第三步：采用包括RBF神经网络、GRNN神经网络、SVR在内的不同预测算法分别进行负荷率预测，得到预测结果；第四步：经过逆向还原将上述预测结果处理为正常量纲下的数据：第五步：以平均绝对百分误差MAPE作为适应度函数，基于遗传算法对不同预测算法下的预测结果进行优化组合，找到不同预测结果的权重，进一步缩小误差，最终得到最佳预测结果。