[發明專利]一種基于改進飛蛾火焰算法優化BP神經網絡的負荷預測方法

在審

• 申請號: 202211540604.6
• 申請日: 2022-12-02
• 公開（公告）號: CN115796367A
• 公開（公告）日: 2023-03-14
• 發明（設計）人: 許賢澤;何加文;徐逢秋
• 申請（專利權）人: 武漢大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/006;G06N3/04;G06N3/084;H02J3/00
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 魯力

本發明提出了一種基于改進飛蛾火焰算法優化BP神經網絡的負荷預測方法，通過采集目標區域在某一時間段的用電負荷數據及對應的天氣特征數據，分別歸一化后形成原始數據集；利用三層小波分解將原始數據集分解為四個小波；構建并確定BP神經網絡的結構、學習效率、目標精度和訓練次數，確定改進飛蛾火焰算法的種群規模、迭代次數、搜索空間上下界、搜索速度上下界，依據BP神經網絡參數的個數確定飛蛾和火焰的種群維數；利用改進飛蛾火焰算法迭代優化BP神經網絡參數，分別對四個小波進行預測得到預測數據，將其疊加，得到最終的負荷預測值。該方法能夠更加準確地解決多重場景的用電負荷預測，具有較好的預測精度。

技術領域

本發明屬于電力負荷預測技術領域，特別涉及一種基于改進飛蛾火焰算法和BP神經網絡的負荷預測方法。

背景技術

負荷預測是保證電力供需平衡的基礎，并為電網、電源的規劃建設以及電網企業、電網使用者的經營決策提供信息和依據。電力負荷預測是電力部門的重要工作之一，準確的負荷預測，可以經濟合理地安排電網內部發電機組的啟停，保持電網運行的安全穩定性，減少不必要的旋轉儲備容量，合理安排機組檢修計劃，保障社會的正常生產和生活，有效地降低發電成本，提高經濟效益和社會效益。

目前電力負荷預測方法分為兩類：一類是經典預測方法，如趨勢外推法、指數平滑法、多元線性回歸分析和時間序列分析；另一類是以模糊分析、支持向量機或人工神經網絡為主體的現代預測方法。由于電力負荷在實際應用中是在多個不同類型因素的干擾下，所形成的復合序列數據，因此使用神經網絡的人工智能算法在精度上有著很大的提高空間。

發明內容

針對背景技術存在的問題，本發明提供一種基于改進飛蛾火焰算法和BP神經網絡的負荷預測方法。

為解決上述技術問題，本發明采用如下技術方案：

一種基于改進飛蛾火焰算法優化BP神經網絡的負荷預測方法，其特征在于，包括以下步驟：

采集目標區域的電力負荷、最高溫度、最低溫度、平均溫度、相對濕度、降雨量六類原始數據并進行歸一化預處理；

利用三層小波分解將歸一化預處理后的原始數據集分解為A1、D1、D2、D3四個小波；

構建并確定BP神經網絡初始參數以及改進飛蛾火焰算法初始參數，依據BP神經網絡參數的個數確定飛蛾火焰種群維數；

利用改進飛蛾火焰算法迭代優化BP神經網絡權值和閾值，建立基于BP神經網絡的預測模型，并利用預測模型分別對四個小波進行預測，得到預測時間段四個小波對應的預測數據A1′、D1′、D2′、D3′；

將預測數據A1′、D1′、D2′、D3′全部疊加，得到預測時間段的電力負荷預測值。

在上述的方法，采集目標區域的電力負荷、最高溫度、最低溫度、平均溫度、相對濕度、降雨量六類原始數據，分別將最大值最小值歸一化后形成原始數據集；對數據的歸一化處理：

其中，x_ij表示第i類指標中的第j個參數原始值，x_ij^*為其經歸一化處理后的值，x_imax、x_imin分別為第i類指標中參數的最大最小值；

在上述的方法，

構建并確定BP神經網絡的結構、學習效率、目標精度和訓練次數；

確定改進飛蛾火焰算法的種群規模、迭代次數、搜索空間上下界、搜索速度上下界，依據BP神經網絡參數的個數確定飛蛾火焰種群維數；

在上述的方法，BP神經網絡的構建包括如下公式：

確定輸入層的輸入量：