[发明专利]基于PSO-BP模型的停限产情况下的电量预测方法

摘要

本发明公开了属于电量预测技术领域的一种基于PSO‑BP模型的停限产政策下的电量预测方法。该方法首先对输入数据进行分析处理；然后，将历史用电量影响因素作为自变量，将历史用电量作为因变量进行样本训练，使用PSO算法优化BP神经网络的权值和阈值，计算不同参数的预测精度，得到预测精度高的BP模型的权值和阈值；最后对BP神经网络模型预测，将粒子群算法优化后的参数以及预测样本输入预测模型，得到预测值。本发明利用PSO优化BP神经网络算法，考虑空气质量指数、气象因素和主要停限产产品产量因素对用电量的影响，对用电量的特征向量进行学习训练，经实验验证预测效果较理想，针对停限产政策影响下的地区用电量预测提供了一种新思路。

主权项

1.一种基于PSO‑BP模型的停限产政策下的电量预测方法，其特征在于，包括以下步骤：步骤1：分析在停限产政策下地区用电量预测的影响因素，构建PSO‑BP模型；步骤2：将样本数据作为PSO‑BP模型的输入，并对其进行归一化处理，其中样本数据包括历史用电量和历史用电量影响因素；步骤3：利用PSO‑BP模型训练样本数据，将历史用电量影响因素作为PSO‑BP模型的自变量，将历史用电量作为PSO‑BP模型的因变量，在网络误差反向传播过程中，利用PSO算法优化BP神经网络的权值和阈值，通过计算不同参数的预测精度，得到优化后的BP神经网络的权值和阈值；步骤4：训练PSO‑BP模型，将经过PSO算法优化后的BP神经网络的权值和阈值以及预测样本输入PSO‑BP模型中，得到预测样本的日用电量预测值。