一种基于智能算法优化组合的电网负荷率预测方法。本发明专利技术首先基于Granger检验等手段在不遗漏信息的情况下筛选留下大量与负荷率存在关系的因素，保证负荷率相关因素分析的准确性和负荷率预测的精度。在进行负荷率预测时，考虑RBF神经网络、GRNN神经网络、SVR等智能算法，充分发挥智能算法遗漏信息少、不深究内部关系、预测精度高等相对传统预测方法的优势，并运用遗传算法对多种预测结果进行优化组合以进一步提高预测精度。该方法既可用于年、月、日等不同时间范围的负荷率预测，又可用于大工业用户、居民用户等分类用户的负荷率预测，为负荷率电价的有关研究提供一定的理论支撑。
【技术实现步骤摘要】
本专利技术属于电网负荷率预测方法
，特别是涉及一种基于智能算法优化组 合的电网负荷率预测方法。
技术介绍
负荷率是电力生产能力利用程度的指标。2003年国家《销售电价改革方案》中就 提出了根据用户负荷特性进行电价改革的设想。2012年国家开始研宄制定考虑负荷率因素 的销售电价即负荷率电价实施办法，以此推动电力工业和国民经济从粗放到集约发展的转 型。成本因素是制定电价的基础，根据用户负荷率分摊和计算不同用户的用电成本，是负荷 率电价实施的技术关键。基于此，负荷率的预测分析对于负荷率电价的合理制定和推广起 到了至关重要的作用。 然而，目前国内外对负荷率预测的研宄仍较少，但关于负荷预测的技术方法已经 相对成熟。在电力负荷预测方面，传统的负荷预测方法有回归预测模型、随机时间序列预测 模型、灰色预测模型、专家系统法等。考虑到负荷率自身受影响因素众多、各因素作用原理 不明等性质以及各种预测方法本身的局限性，传统的负荷预测方法很难达到准确预测的目 的。例如，回归预测模型是采用结构过于简单的线性模型去解决严重非线性的问题，因此无 法详尽描述负荷率的各种影响因素；随机时间序列预测模型在建模时过程复杂，对影响负 荷率变动的因素（如天气、经济等）考虑也不全面；灰色预测模型的应用范围较小，用于长 期预测时误差容易扩大；专家系统法过分依赖规则，普适性较差。 而一些人工智能算法如神经网络法、SVR、遗传算法等，跳过了对负荷率相关因素 内在作用原理的深宄，可以有效解决传统预测方法中存在的过简单化处理、遗漏影响因素、 普适性差等问题。而人工智能算法普遍存在算法参数多依据主观经验确定，缺少适当的理 论指导的新问题。为了解决此问题，需要以缩小预测误差为目标，对相关不同人工智能方法 的预测结果进行合理的优化组合。
技术实现思路
为了解决上述问题，本专利技术的目的在于提供一种基于智能算法优化组合的电网负 荷率预测方法。 为了达到上述目的，本专利技术提供的基于智能算法优化组合的电网负荷率预测方法 包括按顺序执行的下列步骤： 第一步：对可能对电网负荷率造成影响的因素进行梳理，以这些因素相对应的数 据作为基础数据，采用的时间序列样本数不低于10个； 第二步：应用Eviews软件对以上多种因素进行筛选，剔除与电网负荷率相关性差 的因素； 第三步：对保留下的序列因素相应的基础数据进行归一化处理，以消除量纲对预 测的影响； 第四步：根据电网负荷率类型从下面表格中依据对应关系选择合适的预测方法， 并基于不同软件平台结合上述归一化的相关数据进行预测，以得到预测结果； 表1负荷率类型与预测方法对应表【主权项】1. ，其特征在于：其包括按顺序执 行的下列步骤： 第一步：对可能对电网负荷率造成影响的因素进行梳理，以这些因素相对应的数据作 为基础数据，采用的时间序列样本数不低于10个； 第二步：应用Eviews软件对以上多种因素进行筛选，剔除与电网负荷率相关性差的因 素； 第三步：对保留下的序列因素相应的基础数据进行归一化处理，以消除量纲对预测的 影响； 第四步：根据电网负荷率类型从下面表格中依据对应关系选择合适的预测方法，并基 于不同软件平台结合上述归一化的相关数据进行预测，以得到预测结果； 表1负荷率类型与预测方法对应表第五步：经过逆向还原将上述预测结果处理为正常量纲下的数据； 第六步：以平均绝对百分误差MPE作为适应度函数，基于遗传算法将RBF神经网络算 法、GRNN神经网络算法和SVR算法的预测结果利用组合预测数学模型进行优化组合，以得 到最佳预测结果。2. 根据权利要求1所述的基于智能算法优化组合的电网负荷率预测方法，其特征在 于：在第一步中，所述的可能对电网负荷率造成影响的因素主要包括经济发展因素、需求侧 管理因素、气温气候因素、电网环境因素和低碳经济发展因素。3. 根据权利要求1所述的基于智能算法优化组合的电网负荷率预测方法，其特征在 于：在第二步中，所述应用Eviews软件对以上多种因素进行筛选，剔除与电网负荷率相关 性差的因素的方法是：首先借助Eviews软件对以上单个因素的时间序列进行单位根检验， 以考量每个时间序列是否平稳，如果平稳，则与电网负荷率做Granger因果分析；若不平 稳，则与电网负荷率进行协整检验，若存在协整关系，则进一步与电网负荷率做Granger因 果分析，否则将该因素舍去；通过Granger因果分析，若该因素为电网负荷率的Granger因， 则保留该因素用于电网负荷率预测；否则将该因素舍去。4. 根据权利要求1所述的基于智能算法优化组合的电网负荷率预测方法，其特征在 于：在第三步中，所述的归一化处理方法如下：将以上保留下的序列因素相关的基础数据 进行归一化到区间，如果该数据本身即在区间内则跳过此步骤，如电网负荷率 本身则不需进行处理，公式如下：其中，X为处理前数值，y为处理后数值，Xmax、Xmin分别为该项数据的最大值和最小值。5.根据权利要求1所述的基于智能算法优化组合的电网负荷率预测方法，其特征在 于：在第六步中，所述的组合预测数学模型如下： r=i r=i其中，yit(i = 1，2,. . .，k ;t = 1，2,. . .，η)为第i种预测方法在t时刻的预测值，WiS 第i种预测方法的权系数。【专利摘要】。本专利技术首先基于Granger检验等手段在不遗漏信息的情况下筛选留下大量与负荷率存在关系的因素，保证负荷率相关因素分析的准确性和负荷率预测的精度。在进行负荷率预测时，考虑RBF神经网络、GRNN神经网络、SVR等智能算法，充分发挥智能算法遗漏信息少、不深究内部关系、预测精度高等相对传统预测方法的优势，并运用遗传算法对多种预测结果进行优化组合以进一步提高预测精度。该方法既可用于年、月、日等不同时间范围的负荷率预测，又可用于大工业用户、居民用户等分类用户的负荷率预测，为负荷率电价的有关研究提供一定的理论支撑。【IPC分类】G06Q50-06, G06Q10-04【公开号】CN104834975【申请号】CN201510241100【专利技术人】王学军, 张军, 张振高, 李慧, 刘艳霞, 何永秀, 李大成, 张吉祥 【申请人】国家电网公司, 国网天津市电力公司, 华北电力大学【公开日】2015年8月12日【申请日】2015年5月13日本文档来自技高网...
【技术保护点】
一种基于智能算法优化组合的电网负荷率预测方法，其特征在于：其包括按顺序执行的下列步骤：第一步：对可能对电网负荷率造成影响的因素进行梳理，以这些因素相对应的数据作为基础数据，采用的时间序列样本数不低于10个；第二步：应用Eviews软件对以上多种因素进行筛选，剔除与电网负荷率相关性差的因素；第三步：对保留下的序列因素相应的基础数据进行归一化处理，以消除量纲对预测的影响；第四步：根据电网负荷率类型从下面表格中依据对应关系选择合适的预测方法，并基于不同软件平台结合上述归一化的相关数据进行预测，以得到预测结果；表1 负荷率类型与预测方法对应表第五步：经过逆向还原将上述预测结果处理为正常量纲下的数据；第六步：以平均绝对百分误差MAPE作为适应度函数，基于遗传算法将RBF神经网络算法、GRNN神经网络算法和SVR算法的预测结果利用组合预测数学模型进行优化组合，以得到最佳预测结果。
【技术特征摘要】
【专利技术属性】
技术研发人员：王学军，张军，张振高，李慧，刘艳霞，何永秀，李大成，张吉祥，
申请(专利权)人：国家电网公司，国网天津市电力公司，华北电力大学，
类型：发明
国别省市：天津;12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。