本发明专利技术公开了一种基于PSO-GA-SA算法的能源需求预测方法，包括如下步骤：选取GDP、人口、固定资产投资、能源效率、能源消费结构及人均能源消费六个能源需求影响因子作为能源需求评估方程的输入量；采用二次非线性能源需求评估方程；采用PSO-GA-SA算法获得二次非线性能源需求评估方程的最优权重系数；利用二次非线性能源需求评估方程及GDP、人口、固定资产投资、能源效率、能源消费结构、人均能源消费六个能源需求影响因子，得出中国能源需求预测结果。本发明专利技术使得能源预测值与观察值之间的最大相对误差控制在0.009％以内，平均绝对百分误差MAPE仅为0.004％，预测准确性高。
【技术实现步骤摘要】
本专利技术涉及一种能源需求预测方法，具体涉及一种基于PSO-GA-SA算法的能源需 求预测方法，用于中长期能源需求预测，作为各级能源管理部门进行决策依据，直接应用于 能源勘查、开发、生产、利用、运输、贸易等领域。
技术介绍
作为世界上最大的能源消费国，中国的能源需求不仅直接影响着我国的能源安 全，在全球能源市场上也占据举足轻重的地位。因此，准确预测中国未来能源需求，对能源 合理规划，保障经济持续健康发展具有重要的现实意义。 国内外学者及研究机构采用了许多技术手段来预测能源消费，如：经济与政策策 略，灰度预测技术，回归模型技术，底层模型技术，协整与误差修正模型等。根据预测方法的 基本假设不同，上述模型可分为两大类：第一类是单因素自相关时间序列模型，是一种基于 能源系统自身对能源需求进行预测的研究方式。第二类是多因素相关关系预测模型，其基 本假设是依据经济体系中各因素发展状况及其相互关系，来预测能源需求。 随着能源需求系统复杂性和非线性因素的增加，人工智能技术正越来越受到研究 人员的重视，极大地改善了预测效果。2006年，有人提出了模拟退火法（SA)模型预测能源 消费。2007年，有人提出蚁群算法（ACO)评估了土耳其的能源消费，实验结果表明ACO算 法模型比政府模型及遗传算法模型（GA)有较好的准确性。2008年，有人运用粒子群算法 (PSO)对基础能源消费进行了预测评估，并与ACO算法模型比较具有较高的准确性。2012 年，有人提出了 MPSO-RBF模型，预测中国2011-2020年间的能源需求量，结果显示，提出的 方法有较少的暗藏节点，并且预测精度要高于其它人工神经网络技术。2012年，有人又提出 PSO-GA方法，实证结果显示该方法相比单个的PSO或GA算法，具有更高的准确性。从上述 现有技术可以证实人工智能模型在解决能源系统非线性及高维模式识别问题是十分奏效 的。 现有技术中，公开号为CN 102646216 A的专利技术专利"基于"S"形模型的能源需求 预测方法"，介绍了一种基于PSO-GA-SA算法的能源需求预测方法，该能源需求预测方法是 基于人均GDP与人均能源消费间"S"形物理模型，运用双曲正切函数等数学方法构建的预 测技术，该能源需求预测方法选取的能源影响因子较为单一，不能全面准确反映中国能源 需求因素。 然而，已有模型仍存在着以下几点不足：其一，能源系统是一个复杂系统，在其发 展演化过程中受到多种因素的影响和制约。单因素模型未能反映出能源需求复杂系统中影 响因素与能源需求的因果关系或结构比例关系。其二，多因素模型虽然克服了单因素模型 的缺陷，但在选取影响因素时，仅以某种经济理论或经济行为的认识来确定，难免造成对影 响因素筛选不够全面，从而不能确切反映经济发展现状。其三，传统模型大多以线性模型为 主，难以准确刻画能源系统中的非线性关系，从而预测误差较为明显。其四，优化的非线性 能源需求预测模型，虽然克服了单独非线性模型的缺点，但是在已有优化的非线性模型中， 针对算法的过早收敛问题，尚未有较好的方法。本专利技术是在现有预测模型表现不足的基础 上，提出了一种基于PSO-GA-SA算法的能源需求预测方法，相比现有技术中的能源需求预 测模型能显著提高预测的准确性。 遗传算法（GA)算法是一种模拟自然界中"物竞天择，适者生存"法则的一种随机 算法。GA算法的群体开始是随机创建的，群体中的个体依据函数适配值来进化，适配值高 的个体往往被选择下来繁衍下一代的几率高。基本的GA算法可分为三步：依据群体中个体 适配值的大小选择个体以产生下一代群体。下一代群体中任意两个个体通过交叉互换遗传 自身的特征给下一代个体。通过对后代中某些个体的基因链码位变换操作，完成变异过程。 GA算法具有较强的全局搜索能力，但计算较为复杂。 模拟退火法（SA)是一种著名元启发式优化算法。这种算法通过模拟物体的粒子 从高温到低温过程中的状态变化，来确定函数的最小值。当物体在高温时，粒子能量较高， 可以自由运动和排序。低温时，粒子能量较低。如果从高温开始，开始缓慢地降温，即退火， 粒子就可以在每个温度下达到热平衡，当系统被完全冷却时，当前粒子所处的状态就是要 找的最优解。在退火过程中，SA算法允许一种"爬坡"机制，以避免整个系统过早的陷入局 部最优解。相比其他的人工智能算法，SA有较强的搜索能力。SA算法已被广泛应用与各个 工程领域，显示了 SA有很强的计算效率。然而，SA对初始解比较敏感。通常情况下，初始 解设置的越好，得到的优化解也越好。 粒子群算法（PSO)是一种基于迭代的优化算法。系统初始为一组随机解，通过迭 代搜索最优解。粒子在解空间追随最优的粒子进行搜索。在PSO算法中，每个粒子具有两 个属性（位置和速度）。潜在的解，即每个粒子，跟随当前最优粒子飞遍整个解空间，每一步 中，通过计算每个粒子的适应度来评估每个粒子。每个粒子通过两个最好位置来更新在解 空间中的坐标。一个是粒子当前到达的最好位置，称为"pbest"，另一个是粒子的邻居粒子 所达到的最好位置，称为"Ibest"。当一个粒子将所有的粒子看做是它拓扑上的邻居时，那 么这个局部最好的解"lbest"就成为了全局最优解"gbest"。事实上，每一步中"lbest"可 看做是"gbest"。粒子群优化就是不断改变粒子的速度V，使得粒子向最好的位置"pbest" 及"gbest"移动。每个粒子的位置X通过速度V来改变。PSO算法已经广泛应用于各个工 程领域，相比其他算法显示出PSO算法具有计算速度快，简单的优势，并且没有许多参数需 要调整。然而，不幸地是，PSO算法容易陷入局部最小化，即算法有过早收敛趋势。 经进一步研究发现，已存在的PSO-SA，GA-SA，PSO-GA模型预测中国能源需求的准 确性上还有很大提升空间。本专利技术在上述三种预测模型的基础上，进一步优化，提出了基于 PSO-GA-SA算法的能源需求预测方法，相比以上的能源需求预测模型能显著提高预测的准 确性。
技术实现思路
本专利技术的目的是提供一种基于PSO-GA-SA算法的能源需求预测方法，能够显著提 高预测的准确性。 GA算法与PSO算法之间有许多相似性：一方面，GA算法和PSO算法都开始于一 随机产生粒子群，以及利用适配值评估粒子群中个体的变化，它们都通过随机技术更新粒 子群搜索最优解；另一方面，PSO算法实际上仅仅只是一种评估算法，没有适配值的挽救措 施，拥有低适配度的粒子也可能存活下来，访问整个搜索空间。相比GA算法，PSO算法主要 有快的计算速度。而GA算法在遗传变异过程中利用了适配度存活的概念，能使更好适配度 的粒子在优化过程中存活下来以搜索整个解空间。因此，PSO算法与GA算法能进行平行优 化从而利用各自优点克服彼此弱点提升整个优化水平。因此，我们可以在每次迭代中，通 过PSO算法和GA算法的平行优化首先计算粒子群中当前解"pbest"及粒子群中最好的解 "gbest"。这使得问题的解处在一种非常较好的状态下，然后，将最好的解"gbest"作为初始 解，再使用SA算法进一步搜索，SA算法有一种"爬坡"机制，能够尽可能搜索"gbest"邻域中 最好的解，从而得到求解问题的全局最优本文档来自技高网...
【技术保护点】
一种基于PSO‑GA‑SA算法的能源需求预测方法，其特征在于，包括以下步骤：1)选取能源需求评估方程的输入量：选取GDP、人口、固定资产投资、能源效率、能源消费结构及人均能源消费六个能源需求影响因子作为能源需求评估方程的输入量；2)选用能源需求评估方程：采用二次非线性能源需求评估方程作为能源需求评估方程，所用二次非线性能源需求评估方程如下：Y=w0+Σi=1NwiXi+Σi=1NΣj=1Nwij′XiXj+Σi=1Nwi′′Xi2---(1)]]>其中，Y表示能源需求；N表示能源需求影响因子的数目；Xi和Xj分别表示第i个和第j个能源影响因子；w0，wi，w′i，w′ij和w″i分别表示该二次非线性能源需求评估方程的各个项系数；当选用六个变量时，公式(1)中需要对28个权重系数进行最优值确定；3)采用PSO‑GA‑SA算法获得二次非线性能源需求评估方程的最优权重系数：使用PSO‑GA‑SA优化算法对下面公式(2)进行最小化优化处理，当PSO‑GA‑SA算法满足最大迭代次数时，输出二次非线性能源需求评估方程中需确定的最优权重系数值；f(s)=1KΣi=1K(Yiobserved-Yipredicted)2---(2)]]>其中，K表示训练样本的数目；表示第i个能源消费实际值；表示第i个预测值；s表示当满足算法终止条件时，为所获得的最优权重系数；4)根据获得的最优权重系数，确定二次非线性能源需求评估方程的各个项系数，从而确定出经优化后的二次非线性能源需求评估方程，利用优化后的二次非线性能源需求评估方程，输入GDP、人口、固定资产投资、能源效率、能源消费结构、人均能源消费六个能源需求影响因子变量值，得出中国能源需求预测结果。...
【技术特征摘要】
【专利技术属性】
技术研发人员：付立东，张金锁，史晓楠，贾彭涛，
申请(专利权)人：西安科技大学，
类型：发明
国别省市：陕西;61
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。