一种基于ABC算法的短期微电网负荷预测方法技术

本发明专利技术公开了一种基于ABC算法的短期微电网负荷预测方法，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。本发明专利技术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。

【技术实现步骤摘要】
一种基于ABC算法的短期微电网负荷预测方法
本专利技术涉及一种基于ABC算法的短期微电网负荷预测方法。
技术介绍
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。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。丽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。人工蜂群算法(ArtificialBeeColonyAlgorithm,简称ABC算法)是一个由蜂群行为启发的算法，在2005年由Karaboga小组为优化代数问题而提出。人工蜂群算法是模仿蜜蜂行为提出的一种优化方法，是集群智能思想的一个具体应用，它的主要特点是不需要了解问题的特殊信息，只需要对问题进行优劣的比较，通过各人工蜂个体的局部寻优行为，最终在群体中使全局最优值突现出来，有着较快的收敛速度。为了解决多变量函数优化问题，Karaboga提出了人工蜂群算法ABC模型(artificialbeecolonyalgorithm)。
技术实现思路
本专利技术的目的在于克服现有技术中存在的上述不足，而提供一种结构设计合理的基于ABC算法的短期微电网负荷预测方法。本专利技术解决上述问题所采用的技术方案是：一种基于ABC算法的短期微电网负荷预测方法，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。本专利技术与现有技术相比，具有以下优点和效果：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。本专利技术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。附图说明图1是本专利技术实施例的流程框图。具体实施方式下面结合附图并通过实施例对本专利技术作进一步的详细说明，以下实施例是对本专利技术的解释而本专利技术并不局限于以下实施例。参见图1，本实施例一种基于ABC算法的短期微电网负荷预测方法，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。一种基于ABC算法的短期微电网负荷预测方法，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ewe，包括以下计算步骤：式中：N为样本总数，ξi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-d)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。一种基于ABC算法的短期微电网负荷预测方法，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。一种基于ABC算法的短期微电网负荷预测方法，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：本说明书中所描述的以上内容仅仅是对本专利技术所作的举例说明。本专利技术所属
的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离本专利技术说明书的内容或者超越本权利要求书所定义的范围，均应属于本专利技术的保护范围。本文档来自技高网...

【技术保护点】
一种基于ABC算法的短期微电网负荷预测方法，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。

【技术特征摘要】
1.一种基于ABC算法的短期微电网负荷预测方法，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所述基于ABC算法的短期微电网负荷预测方法，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：

【专利技术属性】
技术研发人员：廖力清，刘洋，凌玉华，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南,43