[发明专利]基于神经网络和比例系数法的短期负荷区间预测方法

摘要

本发明公开了一种基于神经网络和比例系数法的短期负荷区间预测方法，包括以下步骤：S1、获取待预测地区的电力负荷数据以及温度、天气数据信息；S2、将获得的数据分成三组，分别用于训练、验证和预测；S3、用训练集数据训练神经网络；S4、利用神经网络模型对验证集进行预测；S5、建立最优化方程，并利用PSO算法去获取最优的比例系数a和b；S6、用神经网络对预测集进行预测，将得到的预测结果结合最优比例系数a和b构建负荷预测区间。本发明依赖神经网络点预测的结果，结合比例系数法和粒子群优化算法获取的最优的比例系数进行预测区间的构建，没有对数据分布做任何假设，不需要计算复杂的矩阵，比传统的区间预测方法更快速、更可靠。