[發明專利]基于混沌人群算法和貝葉斯網絡的電力負荷概率性預測方法

有效

• 申請號: 201910541440.0
• 申請日: 2019-06-21
• 公開（公告）號: CN110188967B
• 公開（公告）日: 2021-01-15
• 發明（設計）人: 何耀耀;李路遙;施諾;趙秋宇;祝賀功;陳悅
• 申請（專利權）人: 合肥工業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06K9/62;G06N3/00
• 代理公司: 安徽省合肥新安專利代理有限責任公司 34101
• 代理人: 陸麗莉;何梅生

本發明公開了一種基于混沌人群算法和貝葉斯網絡的電力負荷概率性預測方法，其步驟包括：1獲取氣溫、相對濕度、風力和電力負荷時間序列實際數據，對各序列數據進行預處理，劃分訓練集和測試集數據；2對電力負荷原始數據進行小波閾值去噪處理，還原電力負荷時間序列真實信息；3構建貝葉斯網絡模型，得到初始預測區間；4計算區間變化幅值范圍，運用混沌人群算法得到最優區間變化幅值；5在最優區間變化幅值鄰域采用混沌搜索，得到最終預測區間。本發明能通過構造預測區間測量電力負荷的不確定性，從而能為電力系統優化運行提供有效參考。

技術領域

本發明涉及電力消費領域，主要涉及一種基于小波閾值去噪、貝葉斯網絡與混沌人群搜索算法的電力負荷預測模型方法。

背景技術

近年來，消費的增長與產能的不斷提高，使得電力的需求正日趨增長。其中，不斷增加的信息流與數據流是電力系統中的重要組成部分，通過分析特征數據及電力數據，進行的在線電力負荷預測有助于電網系統的穩定運行及硬件設備的狀態評估。與此同時，由于電能在多種能源使用中的高占比，使得對電能的管理調度變得極為重要。而通過對電力負荷做出準確可靠的預測，在一定程度上能夠節約電能損耗，同時各種可再生能源發電規模的逐漸擴大，清潔能源的不確定性與弱可控性也給電力系統的安全穩定運行帶來了巨大的挑戰。有效的電力負荷預測不僅是實施實時電價的基礎，也可以幫助電力部門制定精確地調度方案。因此可靠、及時、準確的電力負荷預測已經成為目前急需解決的問題。

電力負荷數據由于受天氣因素、系統狀態、數據失真等因素影響，導致所收集到的數據經常出現，異常值、缺失值及大噪聲給電力負荷預測帶來很大難度。同時，由于電力負荷數據規模較大，如不對數據進行一定技術處理，直接對數據進行預測得到的預測結果往往較差。而當前研究普遍針對于處理數據集中存在的異常值、缺失值，對于電力負荷數據的數據特征卻沒有針對性應對措施，預測結果的精度往往達不到理想水平。

當前，國內外關于電力負荷預測的方法主要有基于人工智能的方法、基于時間序列歷史數據的統計方法及兩者混合的預測方法。通常而言，針對電力負荷預測能夠同時考慮數值天氣物理數據和時間序列歷史數據的預測模式能夠顯著提高其預測精度，但如何將兩種成分的數據有效結合并進行預測一直以來都是難以解決的問題。數十年來，研究人員在電力負荷預測的點預測領域取得了卓越的研究成果，預測精度已經趨于理想水平。但由于負荷數據本身的特征和模型固有的缺陷，傳統的確定性點預測方法存在點預測誤差無法消除，無法對結果的不確定性進行度量，不能給出電力負荷的波動范圍等問題。

在當前進行電力負荷的概率性預測的方法中，大多使用演化算法對模型進行優化，但傳統的進化算法雖然全局尋有能力較強，能有效提升模型收斂速度，但普遍存在后期收斂速度慢，模型易早熟，容易陷入局部最優解的缺陷。在電力負荷預測中會導致算法運行時間長，達不到時間可用性要求；預測精度不高，達不到準確度可用性要求。

發明內容

本發明是為了解決上述現有技術存在的不足之處，提出一種基于混沌人群算法和貝葉斯網絡的電力負荷概率性預測方法，通過構造區間測量電力負荷的不確定性，從而能為電力調度決策提供有效參考。

本發明為解決技術問題采用如下技術方案：

本發明一種基于混沌人群算法和貝葉斯網絡的電力負荷概率性預測方法的特點是按以下步驟進行：

步驟1、獲取氣溫、相對濕度、風力和電力負荷實際值并進行數據預處理：

步驟1.1、采集溫度的歷史數據構成原始溫度序列，并對所述原始溫度序列進行缺失值和異常值的填補以及歸一化處理，從而得到預處理后的溫度序列，記為F＝[f₁,f₂,...f_i,...f_N]，f_i為所述預處理后的溫度序列F中第i個時刻點的溫度數據；