短期微电网负荷功率区间概率预测方法技术

本发明专利技术公开了一种短期微电网负荷区间概率预测方法，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】
短期微电网负荷功率区间概率预测方法
本专利技术属于电力系统
，具体涉及一种短期微电网负荷功率区间概率预测方法。
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。而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。
技术实现思路
本申请人针对上述问题及技术需求，提出了一种短期微电网负荷功率区间概率预测方法本专利技术包括以下步骤：步骤1：获取微电网历史负荷功率数据；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。附图说明图1为本专利技术短期微电网负荷区间概率预测方法的流程示意图。具体实施方式下面结合附图举例对本专利技术作进一步说明。本专利技术短期风电功率区间概率预测方法，包含以下步骤：S101获取微电网历史负荷功率数据。该微电网负荷功率序列包含连续两个月实际微电网负荷功率数据，分辨率为1h。S102构建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,包含以下计算步骤:式中：N为样本总数，ζi为实际负荷，Li为预测下界，Ui为预测上界，R为检验样本的目标值范围，即样本最大值与最小值之差，μ为(1-α)的置信水平，η为未达到置信水平μ时的惩罚系数。S103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：S104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；S105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，包括以下步骤：1)微电网负荷功率时间序列归一至[0,1]区间，分为训练集和测试集；2)循环神经网络初始化，设置循环神经网络结构。人工蜂群算法初始化最大迭代次数nMax；3)雇佣蜂按式(6)初始化蜜源；4)跟随蜂在D维空间中逐维进行翻转，并向前游动，直到蜜源不再改善或者达到最大步数为止：θij＝R×(xbj-xki)(7)5)非雇佣蜂等待蜜源信息和每个蜜源的适应度值。若非雇佣蜂接受蜜源信息，则转变成跟随蜂，根据(9)计算每个解的概率。6)如果某个解经过一定次数的更新后，其解的质量仍未得到改善，一般认为该解陷入局部最优，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：7)更新神经网络的权值和阈值；8)判断是否达到最大迭代次数nMax；若未达到最大迭代次数，雇佣蜂返回蜜源共享信息；若已达到最大迭代次数，输出蜜源。S105根据最优的权值阈值建立神经网络，对微电网负荷功率进行区间预测。以上给出的实施例用以说明本专利技术和它的实际应用，并非对本专利技术作任何形式上的限制，任何一个本专业的技术人员在不偏离本专利技术技术方案的范围内，依据以上技术和方法作一定的修饰和变更当视为等同变化的等效实施例。本文档来自技高网...

【技术保护点】
一种短期微电网负荷功率区间概率预测方法，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】
1.一种短期微电网负荷功率区间概率预测方法，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：沈艳霞，于昕妍，
申请(专利权)人：江南大学，
类型：发明
国别省市：江苏,32