[發(fā)明專利]一種基于改進(jìn)粒子群算法的空間電力負(fù)荷預(yù)測方法

在審

• 申請?zhí)枺?/td>: 201710449123.7
• 申請日: 2017-06-14
• 公開（公告）號: CN107423846A
• 公開（公告）日: 2017-12-01
• 發(fā)明（設(shè)計）人: 杜冠洲;胡從川;李迪;吳洪亮
• 申請（專利權(quán)）人: 國家電網(wǎng)公司;都城偉業(yè)集團(tuán)有限公司;國網(wǎng)江西省電力公司;成都魯能置業(yè)有限公司;北京國電通網(wǎng)絡(luò)技術(shù)有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/06;G06F17/30
• 代理公司: 北京風(fēng)雅頌專利代理有限公司11403
• 代理人: 李莎,李弘

技術(shù)領(lǐng)域

本發(fā)明一般地涉及配電網(wǎng)電力負(fù)荷預(yù)測領(lǐng)域，特別涉及一種基于改進(jìn)粒子群算法的空間電力負(fù)荷預(yù)測方法。

背景技術(shù)

由于配電網(wǎng)拓?fù)浣Y(jié)構(gòu)復(fù)雜，設(shè)備多，其影響因素也較多，配電網(wǎng)的規(guī)劃能夠有效地提高配電系統(tǒng)的穩(wěn)定性，避免重復(fù)建設(shè)，成為配電網(wǎng)建設(shè)十分重要的步驟和手段。基于計算機(jī)智能計算的空間負(fù)荷預(yù)測方法可以有效預(yù)測電網(wǎng)的電能負(fù)荷，同時也能夠預(yù)測隨著空間變化電能負(fù)荷的增長情況，所以空間負(fù)荷預(yù)測成為配電網(wǎng)規(guī)劃的基礎(chǔ)手段和措施。空間負(fù)荷預(yù)測的方法可以分為多變量預(yù)測法、趨勢預(yù)測法以及用地仿真法。前兩種方法不能體現(xiàn)空間地域的負(fù)荷增長，從而預(yù)測準(zhǔn)確度較低；用地仿真法將地域空間劃分為多個子空間進(jìn)行負(fù)荷預(yù)測，但是存在預(yù)測復(fù)雜度高與尋找最優(yōu)預(yù)測負(fù)荷解困難問題等。利用隸屬度函數(shù)來定義小區(qū)負(fù)荷的地域特點，但是隨著多目標(biāo)決策因素的增多，其計算復(fù)雜度會以幾何級速度增加，計算復(fù)雜度較高。

由于影響空間負(fù)荷預(yù)測的因素較多，在實際的配電網(wǎng)絡(luò)中，單目標(biāo)決策僅僅局限于空間特點單一的配電網(wǎng)絡(luò)，而大多數(shù)情況均為多決策目標(biāo)預(yù)測問題，對此提出負(fù)荷元胞的概念，根據(jù)多種影響因素的相互關(guān)系給出了負(fù)荷元胞的轉(zhuǎn)化關(guān)系以及排序方法，但是由于負(fù)荷元胞需要大量的歷史數(shù)據(jù)，其獲取較為困難；同時此方法對于數(shù)據(jù)變化的魯棒性較差，尋求最優(yōu)解收斂速度慢，計算復(fù)雜度較高。類似的包括遺傳算法、蟻群算法以及BP神經(jīng)網(wǎng)絡(luò)等方法進(jìn)行空間負(fù)荷預(yù)測過程中，如果迭代參數(shù)選取不當(dāng)，均會直接影響算法的收斂度。

發(fā)明內(nèi)容

根據(jù)現(xiàn)有技術(shù)的上述缺陷，本發(fā)明提出了一種基于改進(jìn)粒子群算法的空間電力負(fù)荷預(yù)測方法，此方法針對多目標(biāo)決策問題，避免了單一決策的主觀性，采用決策偏好概率系數(shù)來決定搜索全局最優(yōu)解的方向，有效提高了空間負(fù)荷預(yù)測方法的準(zhǔn)確度和收斂速度，同時也降低了算法的復(fù)雜度。

本發(fā)明的基于改進(jìn)粒子群算法的空間電力負(fù)荷預(yù)測方法包括如下步驟：

根據(jù)歸一化系數(shù)將規(guī)劃區(qū)域劃分成若干個小區(qū)；

采集所述若干個小區(qū)的負(fù)荷數(shù)據(jù)并對所述負(fù)荷數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘和分類；

建立基于多目標(biāo)決策的數(shù)據(jù)挖掘優(yōu)化函數(shù)；

利用改進(jìn)的粒子群算法對所述數(shù)據(jù)挖掘優(yōu)化函數(shù)進(jìn)行求解，所述改進(jìn)的粒子群算法包括如下步驟S1～S6：

S1：初始化迭代參數(shù)，首先設(shè)定正向解和負(fù)向解，并設(shè)置優(yōu)化子函數(shù)的固定權(quán)重w_i以及決定偏好概率的參數(shù)δ；初始化內(nèi)部粒子群I的粒子數(shù)為M，外部粒子群E的大小為N，設(shè)置迭代最大次數(shù)為T，內(nèi)部和外部粒子的初始速度為0；粒子的初始方向由如下的公式(7)～(11)中的最大概率決定，

pr(x_i)⁺＝pr(|S_i-S_i⁺|≤δ)(7)

pr(x_i)^-＝pr(|S_i-S_i-|≤δ)(8)

其中，S_i⁺代表正向解，S_i^-代表負(fù)向解，pr(x_i)⁺代表接近正向解的最優(yōu)可行解概率，pr(x_i)^-代表接近負(fù)向解的最優(yōu)可行解概率，P⁺代表接近正向最優(yōu)可行解概率總和，P^-代表接近負(fù)向最優(yōu)可行解概率總和，δ代表精確值，S_i為預(yù)測解，x_i代表第i個優(yōu)化目標(biāo)決策問題，PB代表可行解接近最優(yōu)解的概率；

S2：根據(jù)公式(11)迭代值計算相對概率值，根據(jù)相對概率值進(jìn)行排序；

S3：對內(nèi)部粒子群和外部粒子群進(jìn)行迭代計算，n＝1，帶入公式(5)和公式(6)，

其中，j代表可行解的第j維解，同時i代表第i個分形粒子；b₁和b₂是飛行速度常數(shù)，w是慣性權(quán)重，就是保留原速度的比例。r₁和r₂代表飛行方向的隨機(jī)比例。v_ij(n)代表上一迭代步驟的速度向量；

S4：存儲最優(yōu)的位置；

S5：n＝n+1；

S6：重復(fù)S3和S4，直到n＝T；

根據(jù)所述求解的結(jié)果確定最優(yōu)空間電力負(fù)荷預(yù)測值。