[发明专利]一种基于改进布谷鸟-神经网络算法的负荷预测方法

摘要

本发明公开了一种基于改进布谷鸟‑神经网络算法的负荷预测方法，所述预测方法如下：最大影响因素计算：利用安装在负荷侧的监控系统，采集系统所记录当地的气象数据以及历史负荷功率的数据，并利用平均影响值算法（MIV）找到对负荷影响度最大的种影响因素；相似日选取：根据步骤一中的计算的最大影响因素选取相似日；本发明的有益效果是：采用平均影响值算法（MIV）找到前n种对负荷影响最大的环境因素，结合最优相似度进行相似日的选取，最后对传统的布谷鸟算法进行改进，并将改进后的算法应用到BP神经网络中，对负荷进行预测；该改进后的布谷鸟算法可以避免算法陷入局部最优解，还具有较强的全局搜索能力。

主权项

1.一种基于改进布谷鸟-神经网络算法的负荷预测方法，其特征在于，所述预测方法如下：/n步骤一：最大影响因素计算：利用安装在负荷侧的监控系统，采集系统所记录当地的气象数据以及历史负荷功率的数据，并利用平均影响值算法（MIV）找到对负荷影响度最大的种影响因素；/n步骤二：相似日选取：根据步骤一中的计算的最大影响因素选取相似日；/n步骤三：布谷鸟算法的改进：初始化神经网络的权值、阈值和其他参数值，使用布谷鸟算法更新神经网络的权值和阈值，寻找最优的神经网络参数；/n步骤四：负荷预测模型的训练：将相似日的数据进行处理，然后将主影响因素作为输入，历史负荷作为输出，放入基于改进布谷鸟算法的BP神经网络中进行训练；/n步骤五：预测负荷：首先将待预测日的数据进行处理，并将气象数据放入由步骤四得到的预测模型中对待预测日的负荷进行预测，最后将模型的输出值进行处理，得到待预测日的负荷预测值。/n