[發明專利]基于改進遺傳算法的短期天然氣負荷組合預測方法

在審

• 申請號: 201811347843.3
• 申請日: 2018-11-13
• 公開（公告）號: CN109492813A
• 公開（公告）日: 2019-03-19
• 發明（設計）人: 喬偉彪;唐興華;劉德緒;銀永明;仝淑月;尚德彬;龔金海;王利畏;王軍;邵子璇
• 申請（專利權）人: 中石化石油工程技術服務有限公司;中石化中原石油工程設計有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/12
• 代理公司: 濮陽華凱知識產權代理事務所(普通合伙) 41136
• 代理人: 王傳明

1.基于改進遺傳算法的短期天然氣負荷組合預測方法，其特征在于，包括如下步驟：

(1)采集某市某天然氣站的時負荷時間序列數據，對實際采集的短期天然氣時負荷時間序列的原始數據進行高斯平滑處理，采用經驗模態分解方法對短期天然氣負荷時間序列進行分解，分解出IMF和趨勢項，并對分解出的IMF和趨勢項進行歸一化，構建基于改進遺傳算法的短期天然氣負荷組合預測模型；

(2)使用針對自適應的交叉、變異概率進行改進的遺傳算法進行參數優化；

(3)對經驗模態分解出來的分量，采用最小二乘支持向量機分別進行預測，應用改進遺傳算法對最小二乘支持向量機中的兩個重要參數正則化參數和核參數進行優化；

(4)對采用基于改進遺傳算法優化最小二乘支持向量機預測的預測結果進行重構，得出最終預測結果，并將該預測結果與單獨采用最小二乘支持向量機預測的預測結果進行對比，以確定構建的預測模型的預測精度和有效性。

2.根據權利要求1所述基于改進遺傳算法的短期天然氣負荷組合預測方法，其特征在于，所述的步驟(1)的具體過程為：

①設短期天然氣負荷時間序列為x(i),i＝1,2,…,N；

②為了提高預測精度，采用高斯加權移動平均濾波器對短期天然氣負荷時間序列進行平滑處理，也就是濾掉高斯噪音；

③采用經驗模態分解對處理過的短期天然氣負荷時間序列進行分解，分解出若干個IMF分量和趨勢項；

④采用歸一化法對分解出來的IMF分量和趨勢項進行歸一化處理。

3.根據權利要求1所述基于改進遺傳算法的短期天然氣負荷組合預測方法，其特征在于，所述的步驟(2)的具體過程為：

P_c0(t)＝p_c0(1+tmaxT)

P_m0(t)＝p_m0(1+tmaxT)

式中：P_c0(t)和P_m0(t)為第t次迭代時的基礎交叉和變異概率，P_ci(t)和P_mi(t)為第t次迭代時的第i個個體的交叉和變異概率，p_c0和p_m0為程序預設的交叉和變異基礎概率。

4.根據權利要求1所述基于改進遺傳算法的短期天然氣負荷組合預測方法，其特征在于，所述的步驟(3)中采用最小二乘支持向量機預測的具體過程為：

給定訓練樣本集(x_i,y_i),i＝1,…,m,x_i∈Rⁿ,y_i∈R，選擇一非線性映射把樣本的輸入向量空間映射到高維空間F，然后在此空間上構造最優線性決策函數；

根據結構風險最小化原理，引入間隔的概念，并考慮擬合誤差和函數的復雜度，得出優化問題為：

約束條件為：

式中：e_i為誤差；e∈R^l×1為誤差向量；γ為正則化參數，控制對誤差的懲罰程度；

引入Lagrange乘子α_i，α_i∈R^l×1則其對偶問題的Lagrange多項式為：

根據KKT(Karush-Kuhn-Tucker)條件可得上式：

從而求解的優化問題可以轉化為求解下式中的線性方程組問題；

式中：I＝[1,1，…，1]^T，α＝(α₁,α₂…,α_l)^T，y＝[y₁,y₂,…,y_l]^T，A＝ZZ^T+γ^-1I，

式中：K(x_i,x)是最小二乘支持向量機的核函數，研究表明在回歸預測中效果較好的是RBF徑向基核函數，如下所示：

式中：σ為核寬度，反映了邊界封閉包含的半徑。

5.根據權利要求1所述基于改進遺傳算法的短期天然氣負荷組合預測方法，其特征在于，所述的步驟(4)的具體過程為：

對經改進遺傳算法優化最小二乘支持向量預測的每一個IMF和趨勢項進行反歸一化，進行重構，得出最終的預測結果，并將預測結果與單獨采用最小二乘支持向量機預測的結果進行對比，以確定構建的預測模型的預測精度和有效性，采用如下三個評價標準進行誤差評價分析，分別為RSME、MAE、MAPE，具體公式為：

式中：N為誤差對比的總數量；lactual為實際采集的天然氣負荷；lforecast為預測的天然氣負荷。