The invention relates to an antlion optimization LSSVM electricity demand forecasting method based on electricity demand forecasting method comprises the following steps: determining the least squares support vector machine (Least Square Support Vector Machines, LSSVM) input variable prediction model; initialization algorithm to calculate the initial study; study the fitness value, get the initial position of the elite ant lion; update ants, ants to calculate the fitness value, and its corresponding antlion fitness value, to determine whether the update will update the antlion position; position after the antlion's fitness, one by one with a generation of elite antlion's fitness, fitness values correspond to less the iteration of the antlion, elite to judgewhether the antlion; the maximum number of iterations, if yes, then the output of the elite antlion position and corresponding year of electricity If the prediction value is not, continue iteration. Compared with the prior art, the present invention has the advantages of higher prediction accuracy and higher prediction efficiency.
【技术实现步骤摘要】
一种基于蚁狮优化的LSSVM年用电量预测方法
本专利技术涉及年用电量预测
,尤其是涉及一种基于蚁狮优化的LSSVM年用电量预测方法。
技术介绍
年用电量预测对电力系统的规划,运行和维护至关重要,也可以在一定程度上反映一个国家或地区的经济发展。精确的年用电量预测可为电力系统运营商和经济管理者提供有价值的参考。因此对电力负荷进行预测是电力系统最重要的基本工作之一,它对能源规划、电力系统的运行与控制及经济发展战略研究有着重要意义。预测的方法有:回归分析法、类比法,弹性系数法,时间序列法,神经网络法等。在现代经济社会中,用电量与经济、社会、人口及生态环境之间都存在着异常密切的关系,即用电系统是一个受到众多因素影响的复杂系统,用常规的数学方法来建立预测模型,不仅工作量大,而且预测精度也难以保证。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于蚁狮优化的LSSVM年用电量预测方法。本专利技术的目的可以通过以下技术方案来实现:一种基于蚁狮优化的LSSVM年用电量预测方法,所述的年用电量预测方法包括以下步骤:S1、确定LSSVM预测模型的输入变量;S2、初始化蚁狮优化算法,将初始蚁狮位置作为核参数和正则化参数代入LSSVM模型,得到相应的年用电量预测值;S3、建立适应度函数,计算初始蚁狮位置的适应度值,得到初始适应度值,保留最小初始适应度值对应的蚁狮作为初始精英蚁狮;S4、更新蚂蚁位置,计算当代蚂蚁的适应度值,并与当代蚂蚁对应的蚁狮位置的适应度值进行比较,判断是否更新蚁狮位置;S5、将上一步得到的蚁狮位置的适应度值逐一与上一代精英蚁狮位置 ...
【技术保护点】
一种基于蚁狮优化的LSSVM年用电量预测方法,其特征在于,所述的年用电量预测方法包括以下步骤:S1、确定LSSVM预测模型的输入变量;S2、初始化蚁狮优化算法,将初始蚁狮位置作为核参数和正则化参数代入LSSVM模型,得到相应的年用电量预测值;S3、建立适应度函数,计算初始蚁狮位置的适应度值,得到初始适应度值,保留最小初始适应度值对应的蚁狮作为初始精英蚁狮;S4、更新蚂蚁位置,计算当代蚂蚁的适应度值,并与当代蚂蚁对应的蚁狮位置的适应度值进行比较,判断是否更新蚁狮位置;S5、将上一步得到的蚁狮位置的适应度值逐一与上一代精英蚁狮位置的适应度值比较,保留较小适应度值对应的蚁狮位置,得到本次迭代精英蚁狮位置;S6、判断是否达到最大迭代次数,若为是,则输出精英蚁狮位置及其相应的年用电量预测值,若为否,返回S4。
【技术特征摘要】
1.一种基于蚁狮优化的LSSVM年用电量预测方法,其特征在于,所述的年用电量预测方法包括以下步骤:S1、确定LSSVM预测模型的输入变量;S2、初始化蚁狮优化算法,将初始蚁狮位置作为核参数和正则化参数代入LSSVM模型,得到相应的年用电量预测值;S3、建立适应度函数,计算初始蚁狮位置的适应度值,得到初始适应度值,保留最小初始适应度值对应的蚁狮作为初始精英蚁狮;S4、更新蚂蚁位置,计算当代蚂蚁的适应度值,并与当代蚂蚁对应的蚁狮位置的适应度值进行比较,判断是否更新蚁狮位置;S5、将上一步得到的蚁狮位置的适应度值逐一与上一代精英蚁狮位置的适应度值比较,保留较小适应度值对应的蚁狮位置,得到本次迭代精英蚁狮位置;S6、判断是否达到最大迭代次数,若为是,则输出精英蚁狮位置及其相应的年用电量预测值,若为否,返回S4。2.根据权利要求1所述的一种基于蚁狮优化的LSSVM年用电量预测方法,其特征在于,步骤S1具体为:采用灰色关联分析方法,获得年用电量影响因素和年用电量之间的关联度值,根据关联度值,选择相应的年用电量影响因素作为LSSVM预测模型的输入变量。3.根据权利要求1所述的一种基于蚁狮优化的LSSVM年用电量预测方法,其特征在于,步骤S2中初始化蚁狮优化算法包括以下步骤:S201、参数初始化,包括种群规模Agents_no,解的维数d=2,解空间的上界bup,解空间的下界blow,最大迭代次数Max_iter;S202、位置初始化,随机产生蚂蚁的位置矩阵MAnt和蚁狮的位置矩阵MAntlion。4.根据权利要求3所述的一种基于蚁狮优化的LSSVM年用电量预测方法,其特征在于,S201中所述的解空间的上界bup=[1000,1000],下界blow=[0.1,0.01]。5.根据权利要求3所述的一种基于蚁狮优化的LSSVM年用电量预测方法,其特征在于,S202中蚂蚁的位置矩阵MAnt和蚁狮的位置矩阵MAntlion为:其中MAnt和MAntlion中的值...
【专利技术属性】
技术研发人员:韩文花,汪素青,周孟初,刘文鹏,
申请(专利权)人:上海电力学院,
类型:发明
国别省市:上海,31
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。