[發明專利]一種基于改進灰狼優化算法的彈性神經網絡負荷預測方法

在審

• 申請號: 202110594481.3
• 申請日: 2021-05-28
• 公開（公告）號: CN113313306A
• 公開（公告）日: 2021-08-27
• 發明（設計）人: 孟祥碩;肖玲斐;馬磊明
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/00;G06N3/04;G06N3/08;G06N3/06
• 代理公司: 南京瑞弘專利商標事務所(普通合伙) 32249
• 代理人: 馬玉雯

本發明公開了一種基于改進灰狼優化算法的彈性神經網絡負荷預測方法，解決了傳統電力系統短期負荷預測方法準確率低的問題。該方法將一個地區的歷史氣象數據與歷史負荷數據作為神經網絡的輸入向量與輸出向量，并采用彈性梯度下降法訓練神經網絡。在傳統的灰狼優化算法基礎上，引入kent混沌映射初始化、融合粒子群算法個體保留機制、采用局部收斂破壞機制，然后將這種改進的灰狼優化算法應用于神經網絡的神經元初始連接權值與閾值優化，以此構建神經網絡負荷預測模型，最后通過天氣預報系統得到該地區未來時刻的氣象數據，輸入到預測模型之中，得到短期負荷預測結果。本發明提供的負荷預測方法提高了電力系統短期負荷預測的準確性。

技術領域

本發明屬于電力負荷預測領域，具體涉及一種基于改進灰狼優化算法的彈性神經網絡負荷預測方法。

背景技術

負荷是指電力需求量或用電量，負荷預測則是根據電力系統的運行特性、裝機容量，并考慮當地的自然條件與社會影響等諸多因素，在滿足一定精度要求的條件下，確定未來某特定時刻的用電負荷的一項技術。電力負荷預測是電網公司能量管理系統中的重要模塊之一，準確的負荷預測數據，可以有效指導電力生產與調度部門的工作，從而經濟地安排電網內部發電機組的啟停，合理地制定發電機組的檢修計劃，保證電網運行的安全性和穩定性。同時可以減小不必要的發電機組備用容量，有效地降低發電成本，保障社會的正常生產和人民的正常生活，提高經濟效益和社會效益。

負荷預測的方法主要分為經典預測方法和現代預測方法。經典預測方法包括趨勢外推法、時間序列法、回歸分析法等，這些經典的預測方法發展到現在已經比較成熟，預測結果具有一定的參考價值。但是，隨著風能、太陽能等形式的新能源接入電網，導致電網的規模不斷擴大，復雜程度不斷提高，就對負荷預測提出了更高的要求，要進一步提高預測精度，就需要對傳統方法進行一些改進。隨著現代科學技術的不斷進步，理論研究的逐步深入，現代預測方法得到了快速的發展，其中以模糊數學、灰色理論、專家系統理論和機器學習等為代表的一系列新理論與新技術的出現，為負荷預測的飛速發展提供了堅實的理論依據和技術基礎。

作為機器學習的一種方式，BP神經網絡是一種根據誤差逆向傳播進行訓練的多層前饋網絡，主要過程分為輸入信號的正向傳播和輸出誤差的反向傳播兩部分。神經元之間通過權值和閾值連接，權值的設置可以更好地擬合數據間的非線性關系，閾值的設置可以加快網絡學習的速度。一般來說，神經網絡的連接權值和閾值是系統隨機生成的，對于非線性系統的神經網絡訓練，初始權值和閾值對于學習最終是否能夠收斂達到最優以及訓練時間的長短至關重要，但是又無法準確獲得，針對這些特點可以考慮采用群智能優化算法對神經網絡的參數進行優化。

灰狼優化算法是受到自然界中灰狼群體狩獵行為的啟發而提出的一種群智能優化算法，狼群在頭狼的帶領下發現獵物，并逐漸包圍、逼近，最后捕食獵物。傳統的灰狼優化算法對收斂因子采用一種線性遞減的取值方法，使收斂因子從最大值2線性遞減到最小值0，以此來模擬狼群從逼近到捕食獵物這一行為。這樣前期所有的灰狼個體都進行大范圍搜索，局部探索能力差，收斂速度較慢，因此，初始灰狼種群的選擇對后續的尋優效率起著重要作用；到了后期，所有的灰狼個體在局部進行小范圍的搜索，忽略了周圍可能存在的全局最優解，所以后期需要兼顧算法的局部與全局尋優能力，盡量避免陷入局部最優的情況。

發明內容

為了解決傳統電力系統短期負荷預測精度低、準確性差等問題，本發明提出一種基于改進灰狼優化算法的彈性神經網絡負荷預測方法。利用區域歷史氣象數據和用電負荷數據，采用該方法構建神經網絡預測模型，對未來一段時間的用電負荷進行預測，預測結果精度較高。

一種基于改進灰狼優化算法的彈性神經網絡負荷預測方法，包括以下步驟：

步驟1：搜集一個地區的歷史氣象數據和用電負荷數據，并對其進行歸一化處理；

步驟2：根據數據規模確定神經網絡的結構，根據數據規模確定神經網絡的結構，計算需要優化的神經網絡連接權值與閾值的個數；