一种分布式能源系统负荷预测方法技术方案

本发明专利技术公开了一种分布式能源系统负荷预测方法，所述预测方法包括以下步骤：步骤1：输入指标并对各输入指标进行数据预处理；步骤2：利用狼群算法对核函数极限学习机模型的参数进行优化；步骤3：构建基于狼群算法和核函数极限学习机模型的分布式能源系统负荷预测模型。本发明专利技术选用狼群算法对核函数极限学习机的参数进行寻优。

【技术实现步骤摘要】
一种分布式能源系统负荷预测方法
本专利技术涉及分布式能源系统
，特别是涉及分布式能源系统负荷预测方法。
技术介绍
能源互联网概念的提出，将有效促进世界能源生产、消费以及体制变革，推动各国能源转型，从而实现能源的清洁、高效、安全、便捷、可持续利用。分布式能源系统作为能源互联网的重要组成基础，其呈现出的安全可靠、能源效率高、环境友好、可持续性等多方面出色的特点受到广泛关注，但分布式能源的利用存在出力随机等弊端，因此针对分布式能源系统时空负荷精准预测具有十分重要的意义，它不仅能够帮助提高系统运行的整体稳定性，还能够促进分布式能源的有效利用。多年来，随着数学理论的发展以及现代计算机技术的不断提升，负荷预测的技术和方法也在不断的发展，可以分为经典预测方法和现代智能预测方法两大类。传统预测方法主要有时间序列方法、回归分析方法、灰色理论方法等，这类方法计算简单，理论较为成熟，但是均存在一定的缺陷导致预测精度不够理想。在现阶段，随着各种算法的相继涌现，学者们逐渐将智能算法应用到负荷预测领域。极限学习机(ELM)作为一种新型的前馈神经网络，能够克服传统BP神经网络和SVM的缺陷，该算法不仅降低陷本文档来自技高网...

【技术保护点】
1.一种分布式能源系统负荷预测方法，其特征在于，所述预测方法包括以下步骤：步骤1：输入指标并对各输入指标进行数据预处理；步骤2：利用狼群算法对核函数极限学习机模型的参数进行优化；步骤3：构建基于狼群算法和核函数极限学习机模型的分布式能源系统负荷预测模型。

【技术特征摘要】
1.一种分布式能源系统负荷预测方法，其特征在于，所述预测方法包括以下步骤：步骤1：输入指标并对各输入指标进行数据预处理；步骤2：利用狼群算法对核函数极限学习机模型的参数进行优化；步骤3：构建基于狼群算法和核函数极限学习机模型的分布式能源系统负荷预测模型。2.根据权利要求1所述的分布式能源系统负荷预测方法，其特征在于：所述步骤1中的指标包括：最高温度、平均温度、最低温度、季节类型、月份、降水状况、日类型、风速、湿度以及预测日前5天同一时刻的负荷值。3.根据权利要求2所述的分布式能源系统负荷预测方法，其特征在于：对所述步骤1中各输入指标进行公式(1)的归一化处理：其中，xi是实际值，xmin和xmax分别是样本数据的最小值和最大值。4.根据权利要求3所述的分布式能源系统负荷预测方法，其特征在于：所述步骤2利用狼群算法对核函数极限学习机模型的参数进行优化的具体步骤包括：步骤2.1：狼群的初始化；设在有D维空间，其中有人工狼N匹，其中，第i匹狼所在位置为公式(2)：Xi＝(xi1,xi2,...,xid),1≤i≤N,1≤d≤D(2)其初始位置通过公式(3)产生：xid＝xmin+rand×(xmax-xmin)(3)其中，d是空间维数，rand是在[0,1]均匀分布的随机数，xmax和xmin分别是狼的搜索空间上下限；步骤2.2：产生头狼；选择目标函数值最优位置Ylead处的狼为头狼，头狼位置不更新迭代，且不参加狩猎行为，而是直接迭代，若探狼i位置Ylead＜Yi，则此探狼i成为头狼Ylead＝Yi；如果探狼i向h个方向游走直至达到最大值H或位置无法进一步优化，则停止搜索，第i匹狼在搜索的h个位置中第j个点第d维的位置yijd为公式(4):yijd＝yid+rand×stepa(4)其中，stepa为狼在搜索时步幅长度；步骤2.3：靠近猎物；头狼通过召唤行为促使群狼更新位置，为靠近猎物第i匹狼第d维更新位置，在召唤行为的驱动下，狼群根据头狼的召唤获得新位置，第i匹狼第d维更新后的位置为公式(5)：zid＝xid+rand×stepb×(xi...

【专利技术属性】
技术研发人员：牛东晓，王海潮，李偲，陈寒钰，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：北京,11