[發(fā)明專利]一種基于智能算法優(yōu)化組合的電網(wǎng)負(fù)荷率預(yù)測方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201510241100.8
• 申請(qǐng)日: 2015-05-13
• 公開（公告）號(hào): CN104834975A
• 公開（公告）日: 2015-08-12
• 發(fā)明（設(shè)計(jì)）人: 王學(xué)軍;張軍;張振高;李慧;劉艷霞;何永秀;李大成;張吉祥
• 申請(qǐng)（專利權(quán)）人: 國家電網(wǎng)公司;國網(wǎng)天津市電力公司;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: 天津才智專利商標(biāo)代理有限公司 12108
• 代理人: 龐學(xué)欣

技術(shù)領(lǐng)域

本發(fā)明屬于電網(wǎng)負(fù)荷率預(yù)測方法技術(shù)領(lǐng)域，特別是涉及一種基于智能算法優(yōu)化組合的電網(wǎng)負(fù)荷率預(yù)測方法。

背景技術(shù)

負(fù)荷率是電力生產(chǎn)能力利用程度的指標(biāo)。2003年國家《銷售電價(jià)改革方案》中就提出了根據(jù)用戶負(fù)荷特性進(jìn)行電價(jià)改革的設(shè)想。2012年國家開始研究制定考慮負(fù)荷率因素的銷售電價(jià)即負(fù)荷率電價(jià)實(shí)施辦法，以此推動(dòng)電力工業(yè)和國民經(jīng)濟(jì)從粗放到集約發(fā)展的轉(zhuǎn)型。成本因素是制定電價(jià)的基礎(chǔ)，根據(jù)用戶負(fù)荷率分?jǐn)偤陀?jì)算不同用戶的用電成本，是負(fù)荷率電價(jià)實(shí)施的技術(shù)關(guān)鍵。基于此，負(fù)荷率的預(yù)測分析對(duì)于負(fù)荷率電價(jià)的合理制定和推廣起到了至關(guān)重要的作用。

然而，目前國內(nèi)外對(duì)負(fù)荷率預(yù)測的研究仍較少，但關(guān)于負(fù)荷預(yù)測的技術(shù)方法已經(jīng)相對(duì)成熟。在電力負(fù)荷預(yù)測方面，傳統(tǒng)的負(fù)荷預(yù)測方法有回歸預(yù)測模型、隨機(jī)時(shí)間序列預(yù)測模型、灰色預(yù)測模型、專家系統(tǒng)法等。考慮到負(fù)荷率自身受影響因素眾多、各因素作用原理不明等性質(zhì)以及各種預(yù)測方法本身的局限性，傳統(tǒng)的負(fù)荷預(yù)測方法很難達(dá)到準(zhǔn)確預(yù)測的目的。例如，回歸預(yù)測模型是采用結(jié)構(gòu)過于簡單的線性模型去解決嚴(yán)重非線性的問題，因此無法詳盡描述負(fù)荷率的各種影響因素；隨機(jī)時(shí)間序列預(yù)測模型在建模時(shí)過程復(fù)雜，對(duì)影響負(fù)荷率變動(dòng)的因素(如天氣、經(jīng)濟(jì)等)考慮也不全面；灰色預(yù)測模型的應(yīng)用范圍較小，用于長期預(yù)測時(shí)誤差容易擴(kuò)大；專家系統(tǒng)法過分依賴規(guī)則，普適性較差。

而一些人工智能算法如神經(jīng)網(wǎng)絡(luò)法、SVR、遺傳算法等，跳過了對(duì)負(fù)荷率相關(guān)因素內(nèi)在作用原理的深究，可以有效解決傳統(tǒng)預(yù)測方法中存在的過簡單化處理、遺漏影響因素、普適性差等問題。而人工智能算法普遍存在算法參數(shù)多依據(jù)主觀經(jīng)驗(yàn)確定，缺少適當(dāng)?shù)睦碚撝笇?dǎo)的新問題。為了解決此問題，需要以縮小預(yù)測誤差為目標(biāo)，對(duì)相關(guān)不同人工智能方法的預(yù)測結(jié)果進(jìn)行合理的優(yōu)化組合。

發(fā)明內(nèi)容

為了解決上述問題，本發(fā)明的目的在于提供一種基于智能算法優(yōu)化組合的電網(wǎng)負(fù)荷率預(yù)測方法。

為了達(dá)到上述目的，本發(fā)明提供的基于智能算法優(yōu)化組合的電網(wǎng)負(fù)荷率預(yù)測方法包括按順序執(zhí)行的下列步驟：

第一步：對(duì)可能對(duì)電網(wǎng)負(fù)荷率造成影響的因素進(jìn)行梳理，以這些因素相對(duì)應(yīng)的數(shù)據(jù)作為基礎(chǔ)數(shù)據(jù)，采用的時(shí)間序列樣本數(shù)不低于10個(gè)；

第二步：應(yīng)用Eviews軟件對(duì)以上多種因素進(jìn)行篩選，剔除與電網(wǎng)負(fù)荷率相關(guān)性差的因素；

第三步：對(duì)保留下的序列因素相應(yīng)的基礎(chǔ)數(shù)據(jù)進(jìn)行歸一化處理，以消除量綱對(duì)預(yù)測的影響；

第四步：根據(jù)電網(wǎng)負(fù)荷率類型從下面表格中依據(jù)對(duì)應(yīng)關(guān)系選擇合適的預(yù)測方法，并基于不同軟件平臺(tái)結(jié)合上述歸一化的相關(guān)數(shù)據(jù)進(jìn)行預(yù)測，以得到預(yù)測結(jié)果；

表1負(fù)荷率類型與預(yù)測方法對(duì)應(yīng)表

第五步：經(jīng)過逆向還原將上述預(yù)測結(jié)果處理為正常量綱下的數(shù)據(jù)；

第六步：以平均絕對(duì)百分誤差MAPE作為適應(yīng)度函數(shù)，基于遺傳算法將RBF神經(jīng)網(wǎng)絡(luò)算法、GRNN神經(jīng)網(wǎng)絡(luò)算法和SVR算法的預(yù)測結(jié)果利用組合預(yù)測數(shù)學(xué)模型進(jìn)行優(yōu)化組合，以得到最佳預(yù)測結(jié)果。

在第一步中，所述的可能對(duì)電網(wǎng)負(fù)荷率造成影響的因素主要包括經(jīng)濟(jì)發(fā)展因素、需求側(cè)管理因素、氣溫氣候因素、電網(wǎng)環(huán)境因素和低碳經(jīng)濟(jì)發(fā)展因素。

在第二步中，所述應(yīng)用Eviews軟件對(duì)以上多種因素進(jìn)行篩選，剔除與電網(wǎng)負(fù)荷率相關(guān)性差的因素的方法是：首先借助Eviews軟件對(duì)以上單個(gè)因素的時(shí)間序列進(jìn)行單位根檢驗(yàn)，以考量每個(gè)時(shí)間序列是否平穩(wěn)，如果平穩(wěn)，則與電網(wǎng)負(fù)荷率做Granger因果分析；若不平穩(wěn)，則與電網(wǎng)負(fù)荷率進(jìn)行協(xié)整檢驗(yàn)，若存在協(xié)整關(guān)系，則進(jìn)一步與電網(wǎng)負(fù)荷率做Granger因果分析，否則將該因素舍去；通過Granger因果分析，若該因素為電網(wǎng)負(fù)荷率的Granger因，則保留該因素用于電網(wǎng)負(fù)荷率預(yù)測；否則將該因素舍去。

在第三步中，所述的歸一化處理方法如下：將以上保留下的序列因素相關(guān)的基礎(chǔ)數(shù)據(jù)進(jìn)行歸一化到區(qū)間[0，1]，如果該數(shù)據(jù)本身即在區(qū)間[0，1]內(nèi)則跳過此步驟，如電網(wǎng)負(fù)荷率本身則不需進(jìn)行處理，公式如下：