本发明专利技术公开了一种基于改进思维进化算法的系统能耗建模方法，包括以下步骤，步骤一，采集能耗数据，生成训练集；步骤二，构建人工神经网络；步骤三，以训练集中的元素为输入参数，确定人工神经网络的最优个体、权值和阈值；步骤四，训练人工神经网络；步骤五，对系统能耗节能型仿真预测。本发明专利技术提高了算法局部搜索能力和全局搜索能力，使神经网络的泛化性能更高，预测误差更低。
【技术实现步骤摘要】
本专利技术涉及，属于能耗建模领 域。
技术介绍
对用能系统进行建模制定能效控制提升策略的基础与前提。目前智能电网园区用 能系统建模要求较高精确性、高效性，在此基础上才能确定各模型的冷、热、电输出特性，分 析不同用能系统的运行方式并进行优化，用以得出适用于各用能系统的最优配置方案。因 此需要设计一种准确快速有效的系统能耗建模方法。
技术实现思路
为了解决上述技术问题，本专利技术提供了一种基于改进思维进化算法的系统能耗建 模方法。 为了达到上述目的，本专利技术所采用的技术方案是： -种基于改进思维进化算法的系统能耗建模方法，包括以下步骤， 步骤一，采集能耗数据，生成训练集； 定义训练集为群体，训练集中的元素为个体，所述个体为单个能耗数据或者一组 相关的能耗数据； 步骤二，构建人工神经网络； 步骤三，以训练集中的元素为输入参数，确定人工神经网络的最优个体、权值和阈 值； 确定人工神经网络的最优个体的过程为， Al)通过小生境技术，让群体中的各个子群体形成各自的搜索空间； A2)在拥有各自子群体的小生境中执行单纯形搜索，获得该子群体中的最优个 体； A3)通过异化操作，获得所有子群体中的最优个体； 步骤四，训练人工神经网络； 步骤五，对系统能耗节能型仿真预测。 所述训练集中的元素输入人工神经网络之前，对有映射关系的参数进行编码，过 程如下： BI)定义有m个参数需要进行编码，分别为， LUUZUJ ...... 其中，X1为第i个需要进行编码的参数，i e ，为\的步长，分别为X1*长的上下限； B2)对上述参数进行编码后得， 其中，I1表示X i的代码位数，δ i表示代码位数的值； B3)将m个编码的参数连接起来； 表达式为， I1I2In IbnbybllJ |b 21b22-b2n| |b nlbn2~b"J U1U2...... Un 其中，e ,i，e 。 通过小生境技术，让群体中的各个子群体形成各自的搜索空间的过程为， Cl)计算群体中所有个体的得分； C2)将个体按照得分大小升序排列，保留前M个个体作为优胜者； C3)以优胜者为中心，形成M个子群体； 所述子群体中包括优胜者以及以〇为方差散布在优胜者四周的个体； C4)用小生境排挤算法，让各个子群体形成各自的搜索空间。 小生境排挤算法的过程为， Dl)选取M个子群体中的两个子群体； D2)计算两个子群体的优胜者之间的距离； djk= I I X J-Xk 其中，d]k为两个子群体的优胜者之间的距离，X ,为第j个子群体的优胜者，X ,为 第k个子群体的优胜者； D3)判断djk是否小于小生境半径，如果不是，则转至步骤D5 ;如果是，则转至步骤 D4 ； D4)比较两优胜者的得分，得分低的优胜者所在的子群体被废弃，得分高的保持 不变；对废弃的子群体重新初始化，并在其所在的小生境内重新选择优胜者，形成新的子群 体；转至步骤D5 ; D5)重新选择两个子群体，转至D2 ;直至每个小生境都有优胜者。 在拥有各自子群体的小生境中执行单纯形搜索，获得该子群体中的最优个体的过 程为， El)定义η维空间中的一个单纯形，n+1个顶点分别记为Y1, Y2, ... Yn, Yn+1 Ε2)计算n+1个顶点的函数值，并确定其中的最差点Yw、次差点Ys、最优点Y b以及 单纯形中除最差点外其余各点的形心Y11^ ; Yni, = (W. · · +Yn+Yn+1-Yn) /n 其中，w e ，s e ，b e ，m，e , E3)通过Yni,求￥』勺发射点Y Yr=Yn, +(Yn, -Yw) E4)根据发射点Yr确定反射点的情况； 反射点有三种可能： a、如果Yr优于Y b，沿反射方向求扩展点Y。， Ye=Ym, +a*(Ym, -Yw) 其中，a为扩展系数，a > 1，若Y。优于Yb，则以Y。取代成一新的单纯形，否 则以乙取代Y w形成一新的单纯形； b、如果Yr次于Y b但不次于Y s，则以Yr取代Y w形成一新的单纯形； c、如果Yr次于Y s，沿Yl方向压缩； 令1为Y JP Y w之间的优点，求压缩点Y ^ ; Yc* = Ymf + β * (Yh_Yni,) 其中，β为压缩系数，0 < β < 1，若Yc不次于Yh，则以Yc取代Yw形成一新的单 纯形，否则进行单纯形缩边，即以Y h为基点，将初始单纯形缩小一半； E5)新的单纯形循环进行反射、扩展和压缩操作，使搜索过程收敛到最优个体。 所述异化操作为单纯形异化操作。 本专利技术所达到的有益效果：1、本专利技术提高了算法局部搜索能力和全局搜索能力， 使神经网络的泛化性能更高，预测误差更低；2、本专利技术采用小生境混合思维进化算法对用 能系统建模，由此可确定各用能系统的冷、热、电输出特性，在此基础上分析不同用能系统 的运行方式并进行优化，用以得出适用于各用能系统的最优配置方案。【附图说明】 图1为本专利技术的流程图。 图2、图3为本专利技术的仿真收敛性能验证图。 图4为本专利技术的仿真训练的拟合图。 图5为本专利技术的仿真的实际值与预测值的对比图。【具体实施方式】 下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术 的技术方案，而不能以此来限制本专利技术的保护范围。 如图1所示，，包括以下步骤： 步骤一，采集能耗数据，生成训练集； 定义训练集为群体，训练集中的元素为个体，所述个体为单个能耗数据或者一组 相关的能耗数据。 步骤二，构建人工神经网络。 步骤三，以训练集中的元素为输入参数，确定人工神经网络的最优个体、权值和阈 值。 训练集中的元素输入人工神经网络之前，对有映射关系的参数进行编码，具体过 程如下： BI)定义有m个参数需要进行编码，分别为， 其中，X1为第i个需要进行编码的参数，i e 为\的步长，分别为X1*长的上下限； B2)对上述参数进行编码后得， 其中，I1表示x i的代码位数，δ i表示代码位数的值； B3)将m个编码的参数连接起来； 表达式为， I1I2In IbnbybllJ |b21b22-b 2n| |bnlbn2~b"J U1U2...... Un 其中，b11( e ，i' e 。 确定人工神经网络的最优个体的过程为： Al)通过小生境技术，让群体中的各个子群体形成各自的搜索空间； 具体过程如下： Cl)计算群体中所有个体的得分； C2)将个体按照得分大小升序排列，保留前M个个体作为优胜者； C3)以优胜者为中心，形成M个子群体； 所述子群体中包括优胜者以及以σ为方差散布在优胜者四周的个体； C4)用小生境排挤算法，让各个子群体形成各自的搜索空间； 小生当前第1页1 2 本文档来自技高网...
【技术保护点】
一种基于改进思维进化算法的系统能耗建模方法，其特征在于：包括以下步骤，步骤一，采集能耗数据，生成训练集；定义训练集为群体，训练集中的元素为个体，所述个体为单个能耗数据或者一组相关的能耗数据；步骤二，构建人工神经网络；步骤三，以训练集中的元素为输入参数，确定人工神经网络的最优个体、权值和阈值；确定人工神经网络的最优个体的过程为，A1)通过小生境技术，让群体中的各个子群体形成各自的搜索空间；A2)在拥有各自子群体的小生境中执行单纯形搜索，获得该子群体中的最优个体；A3)通过异化操作，获得所有子群体中的最优个体；步骤四，训练人工神经网络；步骤五，对系统能耗节能型仿真预测。
【技术特征摘要】
【专利技术属性】
技术研发人员：杨永标，王旭东，褚智亮，黄莉，王冬，霍现旭，
申请(专利权)人：国家电网公司，国电南瑞科技股份有限公司，国网天津市电力公司电力科学研究院，国电南瑞南京控制系统有限公司，
类型：发明
国别省市：江苏;32
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。