[發(fā)明專(zhuān)利]一種基于ABC算法的短期微電網(wǎng)負(fù)荷預(yù)測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201810052639.2
• 申請(qǐng)日: 2018-01-18
• 公開(kāi)（公告）號(hào): CN108053084A
• 公開(kāi)（公告）日: 2018-05-18
• 發(fā)明（設(shè)計(jì)）人: 廖力清;劉洋;凌玉華
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中南大學(xué)
• 主分類(lèi)號(hào): G06Q10/04
• 分類(lèi)號(hào): G06Q10/04;G06Q50/06
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種基于ABC算法的短期微電網(wǎng)負(fù)荷預(yù)測(cè)方法，其特征在于：所述方法包括如下步驟：

步驟1：獲取微電網(wǎng)負(fù)荷功率數(shù)據(jù)：

步驟2：結(jié)合預(yù)測(cè)區(qū)間覆蓋率PICP和預(yù)測(cè)區(qū)間平均帶寬W構(gòu)建優(yōu)化準(zhǔn)則CWC；

步驟3：將細(xì)菌覓食優(yōu)化算法中的趨向性操作引入到跟隨蜂的局部搜索策略中，若蜜源得到改善，則繼續(xù)沿著該方向向前游動(dòng)，直到蜜源不再改善或者達(dá)到最大步數(shù)為止：

步驟4：引入最優(yōu)蜜源引導(dǎo)機(jī)制對(duì)傳統(tǒng)人工蜂群算法進(jìn)行改進(jìn)，采用淘汰蜜源與最優(yōu)蜜源交叉引導(dǎo)產(chǎn)生新個(gè)體，避免不良個(gè)體的引入，防止對(duì)種群進(jìn)化產(chǎn)生誤導(dǎo)：

步驟5：建立基于改進(jìn)人工蜂群算法循環(huán)神經(jīng)網(wǎng)絡(luò)的短期微電網(wǎng)負(fù)荷功率區(qū)間預(yù)測(cè)模型，通過(guò)改進(jìn)人工蜂群算法對(duì)優(yōu)化準(zhǔn)則進(jìn)行尋優(yōu)更新神經(jīng)網(wǎng)絡(luò)權(quán)值閾值。

2.根據(jù)權(quán)利要求1所述基于ABC算法的短期微電網(wǎng)負(fù)荷預(yù)測(cè)方法，其特征在于，所述步驟2中結(jié)合預(yù)測(cè)區(qū)間覆蓋概率PICP、預(yù)測(cè)區(qū)間平均帶寬W構(gòu)建優(yōu)化準(zhǔn)則CWC，包括以下計(jì)算步驟：

P I C P = 1 N Σ i = 1 N C i - - - ( 1 ) ]]>

c i = 1 , ζ i ∈ [ L i , U i ] 0 , ζ i ∉ [ L i , U i ] - - - ( 2 ) ]]>

W = 1 N R Σ i N ( U i - L i ) - - - ( 3 ) ]]>

C W C = W ( 1 + γ P I S C P e - η ( P - W ) ) - - - ( 4 ) ]]>

γ P I S C P = 1 , P ≥ μ 0 , P ≥ μ - - - ( 5 ) ]]>

式中：N為樣本總數(shù)，ξi為實(shí)際微電網(wǎng)負(fù)荷功率，Li為預(yù)測(cè)下界，Ui為預(yù)測(cè)上界。μ為(1-α)置信水平的置信區(qū)間，η為PICP未達(dá)到置信區(qū)間μ時(shí)的懲罰量。根據(jù)權(quán)利要求1所述基于ABC算法的短期微電網(wǎng)負(fù)荷預(yù)測(cè)方法，其特征在于，跟隨蜂在D維空間進(jìn)行翻轉(zhuǎn)，并向前游動(dòng)，若蜜源得到改善，則繼續(xù)沿著該方向向前游動(dòng)，直到蜜源不再改善或者達(dá)到最大步數(shù)，包括以下計(jì)算步驟：

θij＝R×(Xbj-Xki) (6)

X′ij＝Xbj+θij (7)

其中，θij表示第i個(gè)蜜蜂在第j維分量每次翻轉(zhuǎn)的位移，X’ij表示新蜜源的位置。

3.根據(jù)權(quán)利要求1所述方法，其特征在于，在滿足種群淘汰條件時(shí)，采用淘汰蜜源與最優(yōu)蜜源交叉引導(dǎo)產(chǎn)生新個(gè)體，這樣不僅可以避免不良個(gè)體的引入，防止對(duì)種群進(jìn)化產(chǎn)生誤導(dǎo)，而且有利于保持種群多樣性，其交叉公式為: