[發明專利]一種基于粒子群算法的變權組合電力負荷短期預測方法

在審

• 申請號: 201711268909.5
• 申請日: 2017-12-05
• 公開（公告）號: CN108038568A
• 公開（公告）日: 2018-05-15
• 發明（設計）人: 暢黎;何金陽;岳云鵬;倪小潔;閔建文
• 申請（專利權）人: 國家電網公司;國網陜西省電力公司渭南供電公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 齊書田

1.一種基于粒子群算法的變權組合電力負荷短期預測方法，其特征在于，包括以下步驟：

步驟1：根據ARIMA模型的基本原理，對電力負荷數據作平穩化處理，根據已知平穩信號，建立相應的ARIMA模型，得到ARIMA模型的預測結果yA(t)；

步驟2：讀取電力部門所提供的短期負荷數據，構成負荷時間序列矩陣：

x 1 , 1 x 1 , 2 ... x 1 , n x 2 , 1 x 2 , 2 ... x 2 , n . . . . . . . . . . . . x m , 1 x m , 2 ... x m , n ]]>

其中，矩陣同一行的數據表示一個電力負荷周期內的數據，矩陣同一列的數據表示不同電力負荷周期的相似點數據；采用相似點電力負荷預測模型進行短期負荷預測，得到相似點電力負荷的預測結果yB(t)；

步驟3：將氣溫、濕度、節假日、雨雪天氣因素離散化定量處理，設置隱層神經元個數、隱層函數、輸出層函數的相關參數，采用Elman神經網絡模型對電力負荷進行預測，得到預測結果yC(t)；

步驟4：建立組合預測模型：

y(t)＝α(t)yA(t)+β(t)yB(t)+γ(t)yC(t)

其中，α(t)、β(t)和γ(t)分別表示ARIMA負荷預測、相似點負荷預測、Elman神經網絡負荷預測三種方法的權重系數，且滿足α(t)+β(t)+γ(t)＝1；

步驟5：采用動態參數粒子群算法進行權重參數的優化；

步驟6：綜合步驟4中的組合預測模型和步驟5中得到的權重參數，進行組合預測。