[發明專利]一種改進的快換式公交充電站短期負荷預測方法

在審

• 申請號: 201810940407.0
• 申請日: 2018-08-17
• 公開（公告）號: CN109242156A
• 公開（公告）日: 2019-01-18
• 發明（設計）人: 牛東曉;王海潮;李偲;陳寒鈺
• 申請（專利權）人: 華北電力大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06K9/62
• 代理公司: 北京眾合誠成知識產權代理有限公司 11246
• 代理人: 張文寶

1.一種改進的快換式公交充電站短期負荷預測方法，其特征在于，所述預測方法包括以下步驟：

步驟1：輸入指標并對各輸入指標進行數據預處理；

步驟2：構建最小二乘支持向量機模型；

步驟3：利用思維進化算法對最小二乘支持向量機模型的參數進行優化和預測。

2.根據權利要求1所述的改進的快換式公交充電站短期負荷預測方法，其特征在于：所述步驟1中的指標包括：日類型、當日最高氣溫、當日最低氣溫、天氣類型、日累計充電車輛數和預測日前3天同一時刻的負荷值。

3.根據權利要求2所述的改進的快換式公交充電站短期負荷預測方法，其特征在于：對所述步驟1中當日最高氣溫、當日最低氣溫、日累計充電車輛數和預測日前3天同一時刻的負荷值進行公式(1)的歸一化處理：

其中，x_i是實際值，x_min和x_max分別是樣本數據的最小值和最大值，y_i為歸一化處理后的負荷值。

4.根據權利要求3所述的改進的快換式公交充電站短期負荷預測方法，其特征在于：所述步驟2中構建最小二乘支持向量機模型包括：設給定樣本集N為樣本總數；則樣本的回歸模型為公式(2)：

其中是訓練樣本投射到一個高維空間，w是加權向量，b是偏置；

最小二乘支持向量機模型的優化問題如公式(3)和(4)：

s·t y_i＝w^Tφ(x_i)+b+ξ_i,i＝1,2,3,…N (4)

其中，γ為懲罰系數，用于平衡模型的復雜程度和精確性；ξ_i為估算誤差；

為解決公式(3)和(4)建立拉格朗日函數公式(5)：

其中α_i為拉格朗日乘子；

對函數的每個變量進行求導，并令其為零得公式(6)：

消去w和ξ_i轉化為以下問題，如公式(7)：

其中公式(8)、(9)、(10)和(11)分別表示公式(7)中各參數：

e_n＝[1,1,...,1]^T (9)

α＝[α₁,α₂,...,α_n] (10)

y＝[y₁,y₂,...,y_n]^T (11)

求解以上線性方程組得公式(12)：

其中K(x_i，x)為滿足莫斯條件的核函數；以徑向基核函數作為最小二乘支持向量機模型的核函數，表達式如公式(13)：

K(x_i,x)＝exp{-||x-x_i||²/2σ²} (13)

σ²表示核寬度，反映了訓練數據集的特性。

5.根據權利要求4所述的改進的快換式公交充電站短期負荷預測方法，其特征在于：所述步驟3利用思維進化算法對最小二乘支持向量機模型的核函數參數和懲罰參數進行優化和預測的具體步驟包括：

步驟3.1：選取訓練集和測試集：訓練集和測試集為最小二乘支持向量機模型所用，并為思維進化算法的初始化進行服務；

步驟3.2：思維進化算法初始化：設置思維進化算法的種群大小、優勝子種群個數、臨時子種群個數、子種群大小、迭代次數以及與最小二乘支持向量機接口的參數；

步驟3.3：種群產生：產生初始種群、優勝子種群和臨時子種群，為趨同操作和異化操作服務；

步驟3.4：趨同操作：在子種群內部，個體為成為優勝者而進行競爭，競爭過程為趨同，趨同過程結束的標志是通過迭代過程子種群內部不產生優勝者；

步驟3.5：異化操作：子種群之間進行全局競爭，若臨時子種群得分高于成熟優勝子種群，則臨時子種群替代該優勝子種群，該優勝子種群被解散；若臨時子種群得分低于任意優勝子種群，則該臨時子種群被淘汰和解散，在迭代過程中，異化操作將補充新的子種群；

步驟3.6：得到最優個體：當達到迭代結束條件時，思維進化算法停止優化，根據編碼規則，對找到的最優個體進行解析，從而得到對應最小二乘支持向量機模型的核函數參數和懲罰參數；

步驟3.7：最小二乘支持向量機模型訓練：在最小二乘支持向量機模型初始設置好初始參數，利用優化得到的核函數參數和懲罰參數，并用訓練集樣本對最小二乘支持向量機模型進行訓練；

步驟3.8：仿真預測：對訓練結果進行仿真測試，滿足預期目標后，進行快換式公交充電站負荷預測，并對結果進行分析。