【技术实现步骤摘要】
基于DNA发夹变异的GWO优化Elman的电力负荷预测方法
[0001]本专利技术属于智能优化技术改进领域,尤其涉及一种基于DNA发夹变异的GWO优化Elman的电力负荷预测方法。
技术介绍
[0002]电力系统主要由电网、电力用户共同组成,其任务是为用户提供符合标准的、可靠的电能,以满足各类负荷需求,为人们生活、社会生产提供动力。各类用户对电力的需求是动态变化的,并且电能的特殊性使得其难以被大量储存,这就要求电力的生产与系统负荷要维持动态平衡,满足用户需求的同时,使得系统稳定高效的运行。因此,有必要发展电力负荷系统预测技术,它是电力分配调度的基础,也是未来电网规划建设、计划用电管理、电力市场营销等的重要依据。电力负荷预测的核心是建立高精度的数学模型。为此,如何基于历史的用电数据,运用先进的科学预测理论和先进的计算机技术,做出符合需求的预测,以对未来的用电量进行科学合理的管理尤为重要。
[0003]随着经济的不断发展,电力系统的结构也日趋复杂,同时,电力负荷变化的不确定性和时变、非线性性等特点也越专利技术显。传统的预测方法很难满足这些复杂性需求,因此,预测结果与实际系统存在较大偏差。
[0004]人工神经网络凭其强大的非线性映射和自学习能力,已经在电力系统负荷模型预测中取得许多成功的应用案例,推动了电力负荷预测由传统预测向智能化预测方向发展。在各种人工神经网络中,Elman神经网络作为典型的反馈式网络,具有输入延时,适合于电力系统的特点。预测的关键是使得神经网络的输入和输出能够准确的反应系统的运行规律 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种基于DNA发夹变异的GWO优化Elman的电力负荷预测方法,其特征在于,构建Elman电力负荷预测模型并利用改进的灰狼算法对Elman电力负荷预测模型的参数进行寻优,所述改进的灰狼算法为采用DNA发夹变异作用于灰狼算法上。2.根据权利要求1所述的基于DNA发夹变异的GWO优化Elman的电力负荷预测方法,其特征在于,所述的DNA发夹变异为:随机选择一个DNA序列作为父代个体,定义第一个碱基的序列号为c1=1,从序列号为c1+1开始遍历,直到找到第一个与序列号为c1的碱基互补的碱基,定义其序列号为c2,如果找不到c2,则重新选择DNA序列,直到找到为止;然后,将位于c1和c2之间的所有碱基位进行逆序排列,最后,将逆序得到的碱基位分别用其对应的互补碱基代替;最后,令c1= c2+1,重复执行以上步骤,直至遍历完所有的c1;至此,得到变异后新的子代个体。3.根据权利要求1所述的基于DNA发夹变异的GWO优化Elman的电力负荷预测方法,其特征在于,包括如下步骤:步骤1:获取电力负荷数据集:对电力负荷样本数据进行预处理和归一化,将样本集数据处理后划分为训练数据集、测试数据集;步骤2:建立电力负荷Elman神经网络模型,确定神经元的输入和输出数据;步骤3:确定电力负荷Elman神经网络的隐含层神经元个数;步骤4:初始化寻优参数,即设置步骤3所确定的Elman神经网络的初始权值和阈值为待寻优参数;步骤5:确立适应度函数,即优化算法的评价函数;步骤6:利用训练数据集对Elman神经网络模型进行训练,在训练过程中采用DNA发夹变异操作灰狼算法对参数进行优化,得到最优的权值和阈值;步骤7:利用测试数据集对训练调整后的Elman神经网络模型进行测试;采用所得模型对电力负荷进行预测。4.根据权利要求3所述的基于DNA发夹变异的GWO优化Elman的电力负荷预测方法,其特征在于,所述电力负荷样本数据包括5个输入和一个输出数据,输入的形式如下:式中,p(t)表示t时刻的温度,h(t)表示t时刻的湿度,r(t)表示t时刻的降水量,l(t
‑
1)、l(t
‑
2)和l(t
‑
3)分别表示t
‑
1、t
‑
2和t
‑
3时刻的电力负荷值;输出为t时刻的电力负荷数据;所述预处理为:对样本中缺失的数据或异常数据采用线性插值法进行填充或替换。5.根据权利要求3所述的基于DNA发夹变异的GWO优化Elman的电力负荷预测方法,其特征在于,将Elman神经网络训练得到的电力负荷预测数据与实际数据的误差平方和的平方根作为DNA发夹变异GWO寻优的适应度函数。6.根据权利要求1所述的基于DNA发夹变异的GWO优化Elman的电力负荷预测方法,其特征在于,所述Elman电力负荷预测模型基于Elman神经网络构建,如下:
式中,k表示时刻,x
技术研发人员:秦贞华,
申请(专利权)人:浙江机电职业技术学院,
类型:发明
国别省市:
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。