一种电力系统负荷预测方法及装置.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CN106485365A(43)申请公布日2017.03.08(21)申请号201610935068.8(22)申请日2016.10.25(71)申请人广东工业大学地址510062广东省广州市越秀区东风东路729号大院(72)发明人苏泓霖魏明磊李德强王朗(74)专利代理机构北京集佳知识产权代理有限公司11227代理人罗满(51)Int.Cl.G06Q10/04(2012.01)G06Q50/06(2012.01)权利要求书3页说明书8页附图4页(54)发明名称一种电力系统负荷预测方法及装置(57)摘要本发明公开了一种电力系统负荷预测方法及装置，通过获取电力系统历史负荷数据；利用小波变换对历史负荷数据进行分解并单支重构，得到不同频率负荷的小波分解数据；建立BP神经网络模型；利用BP神经网络模型对小波分解数据进行训练，并利用带有精英保留策略的纵横交叉算法对网络参数进行优化，确定最优网络参数；采用优化后的BP神经网络，对小波分解数据中单支重构所得的负荷分量进行预测；将各负荷分量的预测值进行叠加，确定实际预测结果。本发明基于小波变换和纵横交叉算法优化神经网络的负荷预测模型，使用纵横交叉算法优化神经网络参数，克服了BP神经网络易陷入局部最优和泛化能不足的缺点，有效提高含大量冲击负荷地区的预测精度。CN106485365ACN106485365A权利要求书1/3页1.一种电力系统负荷预测方法，其特征在于，包括：获取电力系统历史负荷数据；利用小波变换对所述历史负荷数据进行分解并单支重构，得到不同频率负荷的小波分解数据；建立BP神经网络模型；利用所述BP神经网络模型对所述小波分解数据进行训练，并利用带有精英保留策略的纵横交叉算法对网络参数进行优化，确定最优网络参数；采用优化后的所述BP神经网络，对所述小波分解数据中单支重构所得的负荷分量进行预测；将各负荷分量的预测值进行叠加，确定实际预测结果。2.如权利要求1所述的电力系统负荷预测方法，其特征在于，所述获取电力系统历史负荷数据包括：通过数据采集与监控装置获取所述历史负荷数据。3.如权利要求2所述的电力系统负荷预测方法，其特征在于，在所述获取电力系统历史负荷数据之后还包括：对所述电力系统历史负荷数据进行归一化处理。4.如权利要求1至3任一项所述的电力系统负荷预测方法，其特征在于，所述利用小波变换对所述历史负荷数据进行分解并单支重构，得到不同频率负荷的小波分解数据包括：采用db小波函数进行小波分解，将所述历史负荷数据分解为低频部分A3以及高频部分D1、D2、D3四个分量。5.如权利要求4所述的电力系统负荷预测方法，其特征在于，所述建立BP神经网络模型包括：将所述历史负荷数据作为训练样本，确定前向神经网络拓扑结构以及输入层、隐含层、输出层的节点数。6.如权利要求5所述的电力系统负荷预测方法，其特征在于，所述利用带有精英保留策略的纵横交叉算法对网络参数进行优化，确定最优网络参数包括：确定种群规模和最大迭代次数，随机产生初始种群X，其中第i粒子为：Xi＝T[w111...w1hn,w211...w2mh,b11...b1h,b21...b2m]，w1ij表示输入层第j个节点到隐含层第i个节点的权值，w2ki表示隐含层第i个节点到输出层第k个节点的权值，b1i表示隐含层第i个节点的阈值，b2k表示输出层第k个节点的阈值；将每个粒子转换为神经网络各层对应的权值和阈值，根据BP网络的前向算法，隐含层第i个节点输出值为：输出层第k个节点输出值为：激活函数选定为Sigmoid函数，如下：2CN106485365A权利要求书2/3页根据如下适应度函数计算每个粒子的适应值：式中：pt、分别是神经网络的实际输出和目标输出，N为训练样本数；采用横向交叉算子将两个不同粒子进行交叉运算，交叉前和交叉后的粒子分别是父代粒子和子代粒子，每个粒子代表神经网络的各个阀值和权值，MShc(i,d)＝r1×X(i,d)+(1-r1)×X(j,d)+c1×(X(i,d)-X(j,d))MShc(j,d)＝r2×X(j,d)+(1-r2)×X(i,d)+c2×(X(j,d)-X(i,d))i,j∈N(1,M)d∈N(1,D)采用纵向交叉算子将同一个粒子不同维度进行交叉运算，交叉前和交叉后的粒子分别是父代粒子和子代粒子，假设父代粒子X(i)的第d1维和第d2维进行交叉，则它们的子代为：MSvc(i,d1)＝r·X(i,d1)+(1-r)·X(i,d2)i,j∈N(1,M)d1,d2∈N(1,D)式中：r是介于[0,1]之间的随机数，MSvc(i,d1)是父代X(i,di)经过交叉运算后产生的子代粒子；利用精英保留策略将父代种群中所有粒子、横向交叉产生的所有子代粒子以及纵