[發明專利]一種基于ABC算法的短期微電網負荷預測方法

在審

• 申請號: 201810052639.2
• 申請日: 2018-01-18
• 公開（公告）號: CN108053084A
• 公開（公告）日: 2018-05-18
• 發明（設計）人: 廖力清;劉洋;凌玉華
• 申請（專利權）人: 中南大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于ABC算法的短期微電網負荷預測方法，該方法包括：獲取微電網若干歷史負荷功率作為樣本集；結合預測區間覆蓋率、預測區間平均帶寬構建優化準則；建立基于人工蜂群循環神經網絡的短期微電網負荷區間概率預測模型，通過人工蜂群算法對優化準則進行尋優更新神經網絡權值閾值；將細菌覓食優化算法中的趨向性操作引入到跟隨蜂的局部搜索策略中，并且引入最優蜜源引導機制對人工蜂群算法進行優化以提高算法性能加快收斂速度。本發明通過人工蜂群算法的改進較好的克服了傳統人工蜂群算法收斂速度慢精度不高的缺點，有效提高了微電網負荷預測水平。

技術領域

本發明涉及一種基于ABC算法的短期微電網負荷預測方法。

背景技術

微電網是將分布式電源、儲能裝置、能量轉換裝置及監控、保護裝置等聯結起來向用戶供電的小型分散系統。微電網負荷的精確預測是微電網運行和能量管理的重要基礎，將直接影響微電網運行策略。在負荷預測領域，目前針對微電網負荷預測的方法主要分為傳統預測方法和現代智能預測方法。傳統預測方法主要有曲線外推法、灰色預測法、回歸分析法、時間序列法和負荷求導法等。此類方法運用概率論或數理統計理論，通過統計分析得出的歷史數據的擬合函數進行負荷預測，其算法過程簡明，易于實現。現代智能預測方法主要有人工神經網絡和支持向量機預測方法。此類方法運用人工智能技術，通過經驗學習和樣本訓練對負荷變化規律進行最優擬合，并且能夠充分地考慮外界因素對負荷變化的影響，預測結果的精度較高。

目前微電網負荷功率預測方法均為單一的點預測，只給出一個確定的數值，無法確定預測結果可能的波動范圍。麗微電網系統中蘊含了諸多不確定因素，使得決策工作存在風險，在決策時必須考慮電力需求的不確定性，因此實現區間預測更加符合客觀需求。

人工蜂群算法(Artificial Bee Colony Algorithm,簡稱ABC算法)是一個由蜂群行為啟發的算法，在2005年由Karaboga小組為優化代數問題而提出。人工蜂群算法是模仿蜜蜂行為提出的一種優化方法，是集群智能思想的一個具體應用，它的主要特點是不需要了解問題的特殊信息，只需要對問題進行優劣的比較，通過各人工蜂個體的局部尋優行為，最終在群體中使全局最優值突現出來，有著較快的收斂速度。為了解決多變量函數優化問題，Karaboga提出了人工蜂群算法ABC模型(artificial bee colony algorithm)。

發明內容

本發明的目的在于克服現有技術中存在的上述不足，而提供一種結構設計合理的基于ABC算法的短期微電網負荷預測方法。

本發明解決上述問題所采用的技術方案是：一種基于ABC算法的短期微電網負荷預測方法，所述方法包括如下步驟：

步驟1：獲取微電網負荷功率數據：

步驟2：結合預測區間覆蓋率PICP和預測區間平均帶寬W構建優化準則CWC；

步驟3：將細菌覓食優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，則繼續沿著該方向向前游動，直到蜜源不再改善或者達到最大步數為止：

步驟4：引入最優蜜源引導機制對傳統人工蜂群算法進行改進，采用淘汰蜜源與最優蜜源交叉引導產生新個體，避免不良個體的引入，防止對種群進化產生誤導：

步驟5：建立基于改進人工蜂群算法循環神經網絡的短期微電網負荷功率區間預測模型，通過改進人工蜂群算法對優化準則進行尋優更新神經網絡權值閾值。

本發明與現有技術相比，具有以下優點和效果：通過人工蜂群算法對優化準則進行尋優更新神經網絡權值閾值；將細菌覓食優化算法中的趨向性操作引入到跟隨蜂的局部搜索策略中，并且引入最優蜜源引導機制對人工蜂群算法進行優化以提高算法性能加快收斂速度。本發明通過人工蜂群算法的改進較好的克服了傳統人工蜂群算法收斂速度慢精度不高的缺點，有效提高了微電網負荷預測水平。

附圖說明