[发明专利]一种电力最大负荷小样本预测方法

摘要

一种电力最大负荷小样本预测方法，所述方法包括以下步骤：a.采集电网年最大负荷历史数据，获得训练样本和测试样本；b.定义优化问题，初始化量子和声算法参数；c.初始化量子和声库；d.以HMCR的概率在和声库中产生新解，并对新解进行扰动；e.评价新解，并更新和声向量；f.确定模型参数的最优解；g.将                                               σ和C的最优值带入LSSVM模型，并利用训练样本和测试样本对模型进行训练；h.用训练好的LSSVM模型对电网年最大负荷进行预测。本发明利用最小二乘支持向量机预测模型对电网年最大负荷进行小样本预测，同时采用量子和声优化算法寻找LSSVM模型中σ和C的最优值，有效避免了参数选择的盲目性，大大提高了预测精度。

主权项

一种电力最大负荷小样本预测方法，其特征是，所述方法包括以下步骤：a.采集电网年最大负荷历史数据，将其中的部分数据作为训练样本，其余数据作为测试样本，并确定偏最小二乘支持向量机(LSSVM)预测模型的输入变量；b.定义优化问题，初始化量子和声算法参数优化问题如下所示：s.t.C∈[C_min,C_max]；σ∈[σ_min,σ_max]其中，f(C,σ)为目标函数，y_t为第t期实际值；为第t期预测值，σ为核函数宽度；C为误差惩罚因子，T为数据计算期数，C_min,C_max分别为C的下限和上限，σ_min,σ_max分别为σ的下限和上限；初始化和声库选择概率HMCR、初始和声库大小HMS、扰动调整概率PAR、带宽BW、最大循环次数f以及C和σ的下限和上限；c.初始化量子和声库选取参数核函数宽度σ和惩罚因子C作为和声向量，根据量子理论，采用量子编码将核函数宽度σ和惩罚因子C转换成量子和声向量QHV，生成初始量子和声向量；d.以HMCR的概率在和声库中产生新解x^new，形成新的和声，并对新解进行扰动；e.评价新解，并更新和声向量对产生的新解x^new进行测量，使其坍缩至某一基态，计算新解x^new对应的目标函数值f(x^new)，再将f(x^new)与HM中的最差解x^worst对应的目标函数值f(x^worst)进行比较，如果f(x^new)优于f(x^worst)，则新解x^new取代最差解x^worst，否则放弃新解；f.确定模型参数的最优解更新迭代次数，如果迭代次数大于事先设定的最大循环次数，则选取和声库内对应目标函数最小的和声向量作为σ和C的最优值；否则返回步骤d；g.将σ和C的最优值带入LSSVM模型，并利用训练样本和测试样本对LSSVM模型进行训练和测试；h.用训练好的LSSVM模型对电网年最大负荷进行预测。