布谷鸟搜索优化二次移动平均法的月度用电量预测方法技术

本发明专利技术涉及一种布谷鸟搜索优化二次移动平均法的月度用电量预测方法，选取输入变量并初始化参数；将鸟巢的初始位置作为移动步长代入带有季节指数的二次移动平均模型，求出月度用电量预测值；利用适应度函数得到初始最优鸟巢位置；判断是否达到最大迭代次数，若是，则迭代结束，否则进行下一步；按照莱维飞行公式更新鸟巢位置，当前一组鸟巢位置与上代鸟巢位置进行适应度值的比较，择优更新鸟巢位置；按照淘汰概率更新鸟巢位置，得到本次迭代最优鸟巢位置，继续迭代；最终得到最优鸟巢位置以及对应的月度用电量预测值。与现有技术相比，本发明专利技术具有考虑季节因素、选择出更优的移动步长参数以及预测结果有更高的精确度等优点。

【技术实现步骤摘要】
布谷鸟搜索优化二次移动平均法的月度用电量预测方法
本专利技术涉及月度用电量预测方法，尤其是涉及一种布谷鸟搜索优化二次移动平均法的月度用电量预测方法。
技术介绍
月用电量预测对电源开发、电网建设、社会安定、居民生活及电力公司本身的发展都有很大的影响，因此世界各地的电力部门都十分重视电力需求预测，相应的开发出的预测方法也有多种。如：回归法，部门分析法，时间序列法，计量模型法，最终需求法，弹性系数法，类比法，积累法，计量经济模型方法，还有比较复杂的经济模型法如灰色模型法、模糊数学法和神经网络法。但是月度用电量不仅呈逐年变化的趋势，并且受到气温因素的影响，具有明显的季节性，同时受到经济，政治，生活水平等各方面多种因素的影响，并且各行业及居民生活月用电量的历史数据是复杂的非线性组合特征的序列，这使得月用电量的变化呈现复杂的非线性组合特征，上述的方法难以满足月度用电量准确预测的需求。
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布谷鸟搜索优化二次移动平均法的月度用电量预测方法。本专利技术的目的可以通过以下技术方案来实现：一种布谷鸟搜索优化二次移动平均法的月度用电量预测方法，所述的方法包括以下步骤：S1、选取历史月度用电量数据作为二次移动平均法输入变量；S2、初始化布谷鸟搜索算法的参数；S3、将鸟巢的初始位置作为移动步长代入带有季节指数的二次移动平均模型，求出对应的月度用电量预测值；S4、建立适应度函数并代入月度用电量预测值和实际用电量，计算初始适应度值，并得到初始最优鸟巢位置；S5、判断是否达到最大迭代次数，若是，则转至S8，否则将迭代次数加1后，转至S6；S6、按照莱维飞行公式更新鸟巢位置，计算当前一组鸟巢位置的适应度值，并与上代鸟巢位置的适应度值进行比较，择优更新鸟巢位置；S7、按照淘汰概率更新鸟巢位置，得到本次迭代最优鸟巢位置，转至S5；S8、完成迭代过程，得到最后一次迭代的最优鸟巢位置以及对应的月度用电量预测值。优选地，步骤S2具体包括以下步骤：S201、定义鸟巢数量Np，最大迭代次数Max_iter，鸟巢淘汰概率Pa，维数D＝1，解空间的范围b＝[bl,bu]，bl为解空间的下界，bu为解空间的上界；S202、在解空间的范围内随机生成Np个鸟巢的初始位置Nestk(k＝1,2,…,Np)，其中Nestk＝bl+rand(Np,1)*(bu-bl)，rand为0到1之间的随机数，bl为解空间的下界，bu为解空间的上界，Np为鸟巢数量，k表示第k个鸟巢，每一个鸟巢对应一个移动步长λ的解。优选地，所述的解空间的范围为b＝[1,84]。优选地，步骤S3具体包括以下步骤：S301、根据S1中的历史月度用电量数据序列xij(i＝1,2,…,m；j＝1,2,…,T)，其中m为所选历史用电量数据的总年数，T为用电量数据序列的周期，即T＝12；S302、将xij除以相对应月份的季节指数Ij，得到消除季节性因素影响的月度用电量数据序列x′ij，S303、将x′ij再重新编号记为x′1，x′2，…，x′L，其中L＝mT；S304、将鸟巢位置作为二次移动平均模型中的移动平均步长λ，计算一次移动平均值其中，xt′是第t期的观察值；S305、根据S304得到的计算二次移动平均值为：S306、根据计算出截距和斜率的估计值分别代表第t期的趋势直线的截距估计值和斜率估计值；S307、建立二次移动平均预测模型:其中t为当前期，l为预测超前期，表示第t+l期的预测值；S308、将S307得到的乘以对应月份的季节指数Ij进行还原，得到月度用电量预测值优选地，S302中的季节指数Ij计算方法为：S3021、计算历史月度用电量数据序列xij的平均用电量，即总平均用电量S3022、根据xij，计算历年同月的平均用电量Tj,S3023、将历年同月平均用电量Tj除以步骤总平均用电量得到各月份的季节指数Ij，优选地，步骤S4具体为：建立适应度函数并代入月度用电量预测值和实际用电量，计算初始适应度值，选择适应度值最小的鸟巢位置作为初始最优鸟巢位置。优选地，步骤S4中适应度函数为：式中，表示用电量预测值，x(g)为用电量实际值，g为月份编号，g＝1,2,…,L；L-2λ+1表示经过二次移动平均法后剩余实际用电量数，λ为二次移动平均模型中的移动平均步长。优选地，步骤S6中按照莱维飞行公式更新鸟巢位置，莱维飞行公式为式中，iter为当前迭代次数；为第k个鸟巢在第iter次迭代时的位置；表示点对点乘法；β为步长，其值服从正态分布；Lévy(γ)为莱维随机搜索路径，随机步长为莱维分布，Lévy～u＝iter-γ，(1<γ≤3)。优选地，步骤S7具体为：用0到1之间的随机数r与鸟巢淘汰概率Pa进行比较，判断随机数r是否小于鸟巢淘汰概率Pa，若为是则更新鸟巢位置，否则保留当前鸟巢位置，并对按照淘汰概率更新后的鸟巢位置利用适应度函数比较得到本次迭代最优鸟巢位置。优选地，所述的鸟巢淘汰概率Pa为0.25。与现有技术相比，本专利技术具有以下优点：1、采用布谷鸟搜索算法，相对遗传算法、粒子群算法等，收敛速度更快、寻参结果精度更高；2、利用季节指数改进二次指数平滑，使得用电量预测精度更高；3、布谷鸟搜索优化二次移动平均法的月度用电量预测方法，能够选择出更优的移动步长参数，预测结果有更高的精确度。附图说明图1为本专利技术的基于布谷鸟搜索优化二次移动平均法的月度用电量预测方法的流程图；图2表示本专利技术1号楼测试集的预测值；图3表示本专利技术2号楼测试集的预测值；图4表示本专利技术3号楼测试集的预测值；图5表示本专利技术4号楼测试集的预测值；图6表示本专利技术与其他方法对1号楼测试集的预测效果对比图；图7表示本专利技术与其他方法对2号楼测试集的预测效果对比图；图8表示本专利技术与其他方法对3号楼测试集的预测效果对比图；图9表示本专利技术与其他方法对4号楼测试集的预测效果对比图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术的一部分实施例，而不是全部实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本专利技术保护的范围。实施例本专利技术提供一种基于布谷鸟搜索优化二次移动平均法的月度用电量预测方法，主要包括两个部分：首先采用季节指数(SeasonExponent,SE)对月度用电量数据序列进行处理，消除数据序列季节性因素影响，将处理后的数据作为二次移动平均的输入，得到的预测值再进行还原；其次，利用布谷鸟搜索算法(CuckooSearch,CS)优化选择二次移动平均法的移动步长λ。(1)SE季节指数亦称“季节比率”，是反映时间序列季节变动的一种相对数。在含有季节变动的预测中,它作为反映时间序列季节变动的乘子与反映趋势变动的趋势方程相结合,可以构造出季节变动的预测模型。1)已知历史用电量数据序列xij，(i＝1,2,…,m；j＝1,2,…,T)，其中m为周期的个数，T为数据序列的周期；2)根据这些数据序列，计算所有数据的平均用电量，即总平均用电量3)根据历史用电量数据序列，计算历年同月的平均用电量Tj,4)将步骤3)中得到的同月平均用电量Tj除以步骤2)中总平均用电量本文档来自技高网...

【技术保护点】
一种布谷鸟搜索优化二次移动平均法的月度用电量预测方法，其特征在于，所述的方法包括以下步骤：S1、选取历史月度用电量数据作为二次移动平均法输入变量；S2、初始化布谷鸟搜索算法的参数；S3、将鸟巢的初始位置作为移动步长代入带有季节指数的二次移动平均模型，求出对应的月度用电量预测值；S4、建立适应度函数并代入月度用电量预测值和实际用电量，计算初始适应度值，并得到初始最优鸟巢位置；S5、判断是否达到最大迭代次数，若是，则转至S8，否则将迭代次数加1后，转至S6；S6、按照莱维飞行公式更新鸟巢位置，计算当前一组鸟巢位置的适应度值，并与上代鸟巢位置的适应度值进行比较，择优更新鸟巢位置；S7、按照淘汰概率更新鸟巢位置，得到本次迭代最优鸟巢位置，转至S5；S8、完成迭代过程，得到最后一次迭代的最优鸟巢位置以及对应的月度用电量预测值。

【技术特征摘要】
1.一种布谷鸟搜索优化二次移动平均法的月度用电量预测方法，其特征在于，所述的方法包括以下步骤：S1、选取历史月度用电量数据作为二次移动平均法输入变量；S2、初始化布谷鸟搜索算法的参数；S3、将鸟巢的初始位置作为移动步长代入带有季节指数的二次移动平均模型，求出对应的月度用电量预测值；S4、建立适应度函数并代入月度用电量预测值和实际用电量，计算初始适应度值，并得到初始最优鸟巢位置；S5、判断是否达到最大迭代次数，若是，则转至S8，否则将迭代次数加1后，转至S6；S6、按照莱维飞行公式更新鸟巢位置，计算当前一组鸟巢位置的适应度值，并与上代鸟巢位置的适应度值进行比较，择优更新鸟巢位置；S7、按照淘汰概率更新鸟巢位置，得到本次迭代最优鸟巢位置，转至S5；S8、完成迭代过程，得到最后一次迭代的最优鸟巢位置以及对应的月度用电量预测值。2.根据权利要求1所述的一种布谷鸟搜索优化二次移动平均法的月度用电量预测方法，其特征在于，步骤S2具体包括以下步骤：S201、定义鸟巢数量Np，最大迭代次数Max_iter，鸟巢淘汰概率Pa，维数D＝1，解空间的范围b＝[bl,bu]，bl为解空间的下界，bu为解空间的上界；S202、在解空间的范围内随机生成Np个鸟巢的初始位置Nestk(k＝1,2,…,Np)，其中Nestk＝bl+rand(Np,1)*(bu-bl)，rand为0到1之间的随机数，bl为解空间的下界，bu为解空间的上界，Np为鸟巢数量，k表示第k个鸟巢，每一个鸟巢对应一个移动步长λ的解。3.根据权利要求2所述的一种布谷鸟搜索优化二次移动平均法的月度用电量预测方法，其特征在于，所述的解空间的范围为b＝[1,84]。4.根据权利要求1所述的一种布谷鸟搜索优化二次移动平均法的月度用电量预测方法，其特征在于，步骤S3具体包括以下步骤：S301、根据S1中的历史月度用电量数据序列xij(i＝1,2,…,m；j＝1,2,…,T)，其中m为所选历史用电量数据的总年数，T为用电量数据序列的周期，即T＝12；S302、将xij除以相对应月份的季节指数Ij，得到消除季节性因素影响的月度用电量数据序列x′ij，S303、将x′ij再重新编号记为x′1，x′2，…，x′L，其中L＝mT；S304、将鸟巢位置作为二次移动平均模型中的移动平均步长λ，计算一次移动平均值其中，x′t是第t...

【专利技术属性】
技术研发人员：韩文花，汪素青，周孟初，黄赟，左晓莹，苏晓燕，
申请(专利权)人：上海电力学院，
类型：发明
国别省市：上海,31