[發(fā)明專利]基于高斯液面法的負(fù)荷預(yù)測(cè)算法的參數(shù)尋優(yōu)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201310009610.3
• 申請(qǐng)日: 2013-01-10
• 公開（公告）號(hào): CN103049803A
• 公開（公告）日: 2013-04-17
• 發(fā)明（設(shè)計(jì)）人: 劉念;張清鑫
• 申請(qǐng)（專利權(quán)）人: 華北電力大學(xué)
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q50/06
• 代理公司: 北京眾合誠(chéng)成知識(shí)產(chǎn)權(quán)代理有限公司 11246
• 代理人: 陳波

技術(shù)領(lǐng)域

本發(fā)明屬于電力系負(fù)荷預(yù)測(cè)領(lǐng)域，尤其涉及一種基于高斯液面法的負(fù)荷預(yù)測(cè)算法的參數(shù)尋優(yōu)方法。

背景技術(shù)

超短期負(fù)荷預(yù)測(cè)是能量管理系統(tǒng)中的重要一環(huán)，需要進(jìn)行步長(zhǎng)為5分鐘至1小時(shí)的在線實(shí)時(shí)負(fù)荷預(yù)測(cè)，預(yù)測(cè)結(jié)果主要用于：系統(tǒng)經(jīng)濟(jì)調(diào)度，預(yù)防性控制，自動(dòng)發(fā)電控制的超前控制等方面。同時(shí)，準(zhǔn)確的超短期負(fù)荷預(yù)測(cè)有助于提高微電網(wǎng)的運(yùn)行效率與可靠性。

如何實(shí)現(xiàn)負(fù)荷預(yù)測(cè)算法的參數(shù)尋優(yōu)，提高預(yù)測(cè)準(zhǔn)確率，是進(jìn)行超短期負(fù)荷預(yù)測(cè)關(guān)鍵技術(shù)。目前國(guó)內(nèi)外已經(jīng)出現(xiàn)大量的參數(shù)尋優(yōu)算法用于負(fù)荷預(yù)測(cè)，但由于大都采用含種群的尋優(yōu)方式，計(jì)算時(shí)間長(zhǎng)，對(duì)快速變化的負(fù)荷特性適應(yīng)能力差，難以滿足超短期負(fù)荷預(yù)測(cè)要求。

發(fā)明內(nèi)容

針對(duì)背景技術(shù)中提到的目前電力系統(tǒng)中，超短期負(fù)荷預(yù)測(cè)算法在參數(shù)尋優(yōu)時(shí)間長(zhǎng)和對(duì)快速變化的負(fù)荷特性適應(yīng)能力差的問題，本發(fā)明提出了一種基于高斯液面法的負(fù)荷預(yù)測(cè)算法的參數(shù)尋優(yōu)方法。

一種基于高斯液面法的負(fù)荷預(yù)測(cè)算法的參數(shù)尋優(yōu)方法，其特征在于，所述方法具體包括以下步驟：

步驟1：進(jìn)行高斯液面初始化；給定期望隊(duì)列QE與方差隊(duì)列QD的隊(duì)列長(zhǎng)度QL，待尋優(yōu)參數(shù)的維數(shù)N和參數(shù)取值范圍（lowB，upB），同時(shí)，設(shè)定初始最優(yōu)參數(shù)x_best作為負(fù)荷預(yù)測(cè)算法的已有最優(yōu)參數(shù)；

步驟2：基于期望隊(duì)列和方差隊(duì)列形成概率密度函數(shù)；并根據(jù)概率密度函數(shù)求得高斯液面函數(shù)；

步驟3：使用高斯液面函數(shù)生成的隨機(jī)參數(shù)值x_compare，并與已有最優(yōu)參數(shù)x_best分別作為負(fù)荷預(yù)測(cè)算法的參數(shù)，進(jìn)行負(fù)荷預(yù)測(cè)計(jì)算，使用x_compare計(jì)算得到的預(yù)測(cè)結(jié)果y_compare作為比對(duì)結(jié)果，使用x_best計(jì)算得到的預(yù)測(cè)結(jié)果y_best作為輸出結(jié)果；

步驟4：測(cè)量得到預(yù)測(cè)時(shí)刻的真實(shí)值y_real后，分別采用相同的評(píng)價(jià)標(biāo)準(zhǔn)對(duì)預(yù)測(cè)結(jié)果和輸出結(jié)果進(jìn)行評(píng)價(jià)，若比對(duì)結(jié)果優(yōu)于輸出結(jié)果，則將步驟3中高斯液面函數(shù)生成的隨機(jī)參數(shù)值x_compare設(shè)置為最優(yōu)參數(shù)x_best；若輸出結(jié)果優(yōu)于比對(duì)結(jié)果，則不做處理；

步驟5：根據(jù)判定條件對(duì)高斯液面收斂進(jìn)行判定，若高斯液面已收斂，執(zhí)行步驟6；否，則執(zhí)行步驟7；

步驟6：初始化高斯液面，即將期望隊(duì)列QE與方差隊(duì)列QD中的元素設(shè)置為初始值，同時(shí)，已有最優(yōu)參數(shù)x_best保留；

步驟7：用x_compare更新期望隊(duì)列QE，用y_compam的評(píng)價(jià)值更新方差隊(duì)列QD；

步驟8：進(jìn)入下一時(shí)刻的高斯液面法參數(shù)尋優(yōu)與負(fù)荷預(yù)測(cè)。

所述概率密度函數(shù)為：

其中，當(dāng)QE_i為更新值時(shí)，按照高斯分布計(jì)算f_i，當(dāng)QE_i為初始值時(shí)，按照N維平均分布計(jì)算f_i，其中平均分布所除面積根據(jù)（lowB，upB）進(jìn)行計(jì)算，aera為相應(yīng)的面積計(jì)算函數(shù)；QL為隊(duì)列長(zhǎng)度；μ_i為基于QE_i形成的期望向量，G_i為基于QD_i形成的協(xié)方差矩陣。

所述高斯液面函數(shù)為：

fGaussLiquid(x1×N)=Σi=1QLWifi(x)]]>