[發(fā)明專利]基于BFGS-FA優(yōu)化分?jǐn)?shù)階灰色模型的中長(zhǎng)期負(fù)荷預(yù)測(cè)方法和系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201811096591.1
• 申請(qǐng)日: 2018-09-19
• 公開(kāi)（公告）號(hào): CN109242190A
• 公開(kāi)（公告）日: 2019-01-18
• 發(fā)明（設(shè)計(jì)）人: 周步祥;姚先禹;羅燕萍;陳實(shí);張致強(qiáng);袁岳;周鑫;羅濤
• 申請(qǐng)（專利權(quán)）人: 四川大學(xué)
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q50/06
• 代理公司: 北京潤(rùn)澤恒知識(shí)產(chǎn)權(quán)代理有限公司 11319
• 代理人: 莎日娜

本發(fā)明公開(kāi)了一種基于BFGS?FA優(yōu)化分?jǐn)?shù)階灰色模型的中長(zhǎng)期負(fù)荷預(yù)測(cè)方法和系統(tǒng)，用分?jǐn)?shù)階灰色模型代替原有的整數(shù)階灰色模型，解決了新信息優(yōu)先使用的問(wèn)題，增加了模型的自由度和靈活度。利用分?jǐn)?shù)階灰色預(yù)測(cè)模型進(jìn)行中長(zhǎng)期負(fù)荷預(yù)測(cè)，可以拓展灰色預(yù)測(cè)的應(yīng)用范圍，提高灰色模型的抗干擾能力。本發(fā)明利用BFGS?FA算法的全局收斂性和超線性收斂速度的特性尋取分?jǐn)?shù)階灰色預(yù)測(cè)模型的最佳階數(shù)，可以提高分?jǐn)?shù)階灰色預(yù)測(cè)模型的準(zhǔn)確性。通過(guò)實(shí)例仿真證明，基于BFGS?FA優(yōu)化的分?jǐn)?shù)階灰色預(yù)測(cè)模型可以提高負(fù)荷預(yù)測(cè)精度，達(dá)到更好的預(yù)測(cè)效果。

技術(shù)領(lǐng)域

本發(fā)明涉及電力負(fù)荷分析技術(shù)，尤其涉及一種基于BFGS-FA優(yōu)化分?jǐn)?shù)階灰色模型的中長(zhǎng)期負(fù)荷預(yù)測(cè)方法和系統(tǒng)。

背景技術(shù)

電力負(fù)荷預(yù)測(cè)是利用當(dāng)前已知的信息(包括歷史信息、現(xiàn)狀及未來(lái)的發(fā)展趨勢(shì))，對(duì)未來(lái)的負(fù)荷做出判斷的過(guò)程。負(fù)荷預(yù)測(cè)的精準(zhǔn)度決定了相關(guān)發(fā)電單位的發(fā)電成本以及供電可靠性。出現(xiàn)超載預(yù)測(cè)會(huì)使得發(fā)電單位的發(fā)電成本增加，出現(xiàn)欠載預(yù)測(cè)會(huì)使得供電可靠性受到影響。由于中長(zhǎng)期的負(fù)荷受到各種不確定因素的影響，而且相關(guān)數(shù)據(jù)的收集較短期，負(fù)荷預(yù)測(cè)更加困難，所以一般中長(zhǎng)期負(fù)荷預(yù)測(cè)的預(yù)測(cè)精度相對(duì)較差。傳統(tǒng)的負(fù)荷預(yù)測(cè)方法主要有用電單耗法、電力彈性系數(shù)法、人均用電量法、時(shí)間序列法、負(fù)荷密度法、灰色系統(tǒng)法和一些智能算法如：神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、深度信念網(wǎng)絡(luò)等。其中灰色模型由于其處理小樣本、貧信息的特點(diǎn)在電力系統(tǒng)中長(zhǎng)期負(fù)荷預(yù)測(cè)中得到了廣泛的運(yùn)用。近年來(lái)提出了許多新形式的灰色模型，包括采用擴(kuò)展、優(yōu)化以及修正的方法，以達(dá)到更好的預(yù)測(cè)效果。但是在傳統(tǒng)灰色模型的基礎(chǔ)上進(jìn)行優(yōu)化不能從本質(zhì)上解決輸入樣本的波動(dòng)較大時(shí)，其預(yù)測(cè)的精度會(huì)降低的問(wèn)題。

發(fā)明內(nèi)容

本發(fā)明主要目的在于，提供一種基于BFGS-FA優(yōu)化分?jǐn)?shù)階灰色模型的中長(zhǎng)期負(fù)荷預(yù)測(cè)方法和系統(tǒng)，以解決現(xiàn)有技術(shù)在傳統(tǒng)灰色模型的基礎(chǔ)上進(jìn)行優(yōu)化時(shí)，當(dāng)輸入樣本的波動(dòng)較大時(shí)，其預(yù)測(cè)精度會(huì)降低的問(wèn)題。

本發(fā)明是通過(guò)如下技術(shù)方案實(shí)現(xiàn)的：

一種基于BFGS-FA優(yōu)化分?jǐn)?shù)階灰色模型的中長(zhǎng)期負(fù)荷預(yù)測(cè)方法，包括：

步驟1：初始化算法基本參數(shù)，設(shè)置分?jǐn)?shù)階的灰色模型的階數(shù)r_i，給定用于計(jì)算的灰色預(yù)測(cè)的原始數(shù)據(jù)X⁽⁰⁾＝(x⁽⁰⁾(1),x⁽⁰⁾(2),L x⁽⁰⁾(n))；

步驟2：分別通過(guò)階數(shù)r_i，計(jì)算分?jǐn)?shù)階灰色模型的預(yù)測(cè)值，并計(jì)算對(duì)應(yīng)的平均相對(duì)誤差f(r_i)；

步驟3：計(jì)算適應(yīng)度函數(shù)F_i；并利用函數(shù)F_i確定螢火蟲(chóng)的光強(qiáng)I_i；

步驟4：計(jì)算r_i之間的距離M_ij：

更新r_i：

步驟5：計(jì)算適應(yīng)度函數(shù)f(r_i)；

步驟6：通過(guò)BFGS算法更新r_i，計(jì)算當(dāng)前適應(yīng)度函數(shù)f(r_i)，并計(jì)算出對(duì)應(yīng)的F_i^*，得出最優(yōu)值F_p^*；

步驟7：比較計(jì)算出的函數(shù)F_i^*的值，若F_i^*＜F_p^*，則r_i＝r_p^*；