短期微电网负荷功率区间概率预测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN107317323A(43)申请公布日2017.11.03(21)申请号201710456331.X(22)申请日2017.06.16(71)申请人江南大学地址214122江苏省无锡市滨湖区蠡湖大道1800号(72)发明人沈艳霞于昕妍(51)Int.Cl.H02J3/00(2006.01)G06N3/00(2006.01)权利要求书1页说明书3页附图1页(54)发明名称短期微电网负荷功率区间概率预测方法(57)摘要本发明公开了一种短期微电网负荷区间概率预测方法，该方法包括：获取微电网若干历史负荷功率作为样本集；结合预测区间覆盖率、预测区间平均带宽构建优化准则；建立基于人工蜂群循环神经网络的短期微电网负荷区间概率预测模型，通过人工蜂群算法对优化准则进行寻优更新神经网络权值阈值；将细菌觅食优化算法中的趋向性操作引入到跟随蜂的局部搜索策略中，并且引入最优蜜源引导机制对人工蜂群算法进行优化以提高算法性能加快收敛速度。本发明通过人工蜂群算法的改进较好的克服了传统人工蜂群算法收敛速度慢精度不高的缺点，有效提高了微电网负荷预测水平。CN107317323ACN107317323A权利要求书1/1页1.一种短期微电网负荷功率区间概率预测方法，其特征在于，所述方法包括如下步骤：步骤1：获取微电网负荷功率数据；步骤2：结合预测区间覆盖率PICP和预测区间平均带宽W构建优化准则CWC；步骤3：将细菌觅食优化算法中的趋向性操作引入到跟随蜂的局部搜索策略中，若蜜源得到改善，则继续沿着该方向向前游动，直到蜜源不再改善或者达到最大步数为止；步骤4：引入最优蜜源引导机制对传统人工蜂群算法进行改进，采用淘汰蜜源与最优蜜源交叉引导产生新个体，避免不良个体的引入，防止对种群进化产生误导；步骤5：建立基于改进人工蜂群算法循环神经网络的短期微电网负荷功率区间预测模型，通过改进人工蜂群算法对优化准则进行寻优更新神经网络权值阈值。2.根据权利要求1所述方法，其特征在于，所述步骤2中结合预测区间覆盖概率PICP、预测区间平均带宽W构建优化准则CWC，包括以下计算步骤：式中：N为样本总数，ζi为实际微电网负荷功率，Li为预测下界，Ui为预测上界。μ为(1-α)置信水平的置信区间，η为PICP未达到置信区间μ时的惩罚量。3.根据权利要求1所述方法，其特征在于，跟随蜂在D维空间进行翻转，并向前游动，若蜜源得到改善，则继续沿着该方向向前游动，直到蜜源不再改善或者达到最大步数，包括以下计算步骤：θij＝R×(xbj-xki)(6)x′ij＝xbj+θij(7)其中，θij表示第i个蜜蜂在第j维分量每次翻转的位移，x′ij表示新蜜源的位置。4.根据权利要求1所述方法，其特征在于，在满足种群淘汰条件时，采用淘汰蜜源与最优蜜源交叉引导产生新个体，这样不仅可以避免不良个体的引入，防止对种群进化产生误导，而且有利于保持种群多样性，其交叉公式为2CN107317323A说明书1/3页短期微电网负荷功率区间概率预测方法技术领域[0001]本发明属于电力系统技术领域，具体涉及一种短期微电网负荷功率区间概率预测方法。背景技术[0002]微电网是将分布式电源、储能装置、能量转换装置及监控、保护装置等联结起来向用户供电的小型分散系统。微电网负荷的精确预测是微电网运行和能量管理的重要基础，将直接影响微电网运行策略。在负荷预测领域，目前针对微电网负荷预测的方法主要分为传统预测方法和现代智能预测方法。传统预测方法主要有曲线外推法、灰色预测法、回归分析法、时间序列法和负荷求导法等。此类方法运用概率论或数理统计理论，通过统计分析得出的历史数据的拟合函数进行负荷预测，其算法过程简明，易于实现。现代智能预测方法主要有人工神经网络和支持向量机预测方法。此类方法运用人工智能技术，通过经验学习和样本训练对负荷变化规律进行最优拟合，并且能够充分地考虑外界因素对负荷变化的影响，预测结果的精度较高。[0003]目前微电网负荷功率预测方法均为单一的点预测，只给出一个确定的数值，无法确定预测结果可能的波动范围。而微电网系统中蕴含了诸多不确定因素，使得决策工作存在风险，在决策时必须考虑电力需求的不确定性，因此实现区间预测更加符合客观需求。发明内容[0004]本申请人针对上述问题及技术需求，提出了一种短期微电网负荷功率区间概率预测方法[0005]本发明包括以下步骤：[0006]步骤1：获取微电网历史负荷功率数据；[0007]步骤2：结合预测区间覆盖率PICP和预测区间平均带宽W构建优化准则CWC；[0008]步骤3：将细菌觅食优化算法中的趋向性操作引入到跟随蜂的局部搜索策略中，若蜜源得到改善，则继续沿着该方向向前游动，直到蜜源不再改善或者达到最大步数为止；[00