基于ACDE和BP神经网络的电力负荷预测方法技术

本发明专利技术涉及一种基于ACDE和BP神经网络的电力负荷预测方法，其特征在于，包括训练阶段和测试阶段。本发明专利技术采用的ACDE算法，其中的自适应缩放因子和混沌理论对差分进化算法进行改进，使得算法搜索时间大大缩减，又弥补了差分进化算法后期局部搜索弱而使群体陷入早熟的缺陷，相比较于传统的DE算法有着明显的优势。本发明专利技术采用ACDE算法对BP神经网络进行参数寻优，进而构建基于ACDE‑BP的电力负荷预测模型，克服了传统BP网络参数选择效率低、泛化能力弱的不足。

Electric Power Load Forecasting Method Based on ACDE and BP Neural Network

The invention relates to a power load forecasting method based on ACDE and BP neural network, and its characteristics include training stage and testing stage. The ACDE algorithm adopted in the invention improves the differential evolution algorithm by adaptive scaling factor and chaos theory, which greatly reduces the search time of the algorithm, and makes up for the shortcoming of weak local search in the later stage of the differential evolution algorithm, which makes the population fall into premature. Compared with the traditional DE algorithm, the ACDE algorithm has obvious advantages. The method adopts ACDE algorithm to optimize the parameters of BP neural network, and then constructs the power load forecasting model based on ACDE BP, which overcomes the shortcomings of low efficiency and weak generalization ability of traditional BP network parameters selection.

【技术实现步骤摘要】
基于ACDE和BP神经网络的电力负荷预测方法
本专利技术涉及一种基于自适应混沌差分进化算法(adaptivechaosdifferentialevolution，ACDE)和BP神经网络的电力负荷预测方法，属于电力负荷预测

技术介绍
近年来，电力产业蓬勃发展，电力负载预测是对电网结构优化、电力供需关系调节的重要依据，是电力系统规划决策的基础，同时也具有较大的经济价值。而负载预测精度直接影响到电力部门的决策，较大的误差会导致规划和运维成本的提高，所以高效精确的电力负载预测模型已成为电力部门信息化进程中关键的研究课题，对于电力系统自动化调度、运行和供电都具有现实意义。负载预测是指通过对过往历史数据的挖掘，同时结合行业背景，研究事物的内在联系从而对未来的发展趋势进行预测。一些传统的预测算法有时间序列法、回归分析和指数平滑法。时间序列法由于其只利用历史数据，不考虑其他干扰因素(如天气、政策、地域等)，预测系统不具有鲁棒性。而回归分析法由于影响因素多样性和不可测性，使其具有局限性。传统预测模型的目标是建立从输入到输出的精确数学模型，原理较为简单。而电力负载数据本身具有非线性和不确定性本文档来自技高网...

【技术保护点】
1.一种基于ACDE和BP神经网络的电力负荷预测方法，其特征在于，包括训练阶段和测试阶段，其中，训练阶段包括以下步骤：步骤101、对原始数据集进行随机抽取，产生训练集和测试集，对训练集的数据进行归一化处理；步骤102、设置自适应混沌差分进化算法参数，对其进行混沌初始化操作，并将归一化后的训练集输入到BP神经网络中，对BP神经网络进行训练，将BP神经网络的输出值与实际值误差平方和结果作为自适应混沌差分进化算法的目标函数，采用误差大小和迭代次数作为寻优结束的判据，若达到结束条件，则获得最优的权值和阈值，否则进行自适应变异、交叉、选择及混沌细搜索操作，并获得新的参数值；步骤103、建立ACDE‑BP...

【技术特征摘要】
1.一种基于ACDE和BP神经网络的电力负荷预测方法，其特征在于，包括训练阶段和测试阶段，其中，训练阶段包括以下步骤：步骤101、对原始数据集进行随机抽取，产生训练集和测试集，对训练集的数据进行归一化处理；步骤102、设置自适应混沌差分进化算法参数，对其进行混沌初始化操作，并将归一化后的训练集输入到BP神经网络中，对BP神经网络进行训练，将BP神经网络的输出值与实际值误差平方和结果作为自适应混沌差分进化算法的目标函数，采用误差大小和迭代次数作为寻优结束的判据，若达到结束条件，则获得最优的权值和阈值，否则进行自适应变异、交叉、选择及混沌细搜索操作，并获得新的参数值；步骤103、建立ACDE-BP神经网络模型；步骤104、将归一化后的训练集输入到ACDE-BP神经网络中进行训练，获得ACDE-BP神经网络的参数初始值；测试阶段包括以下步骤：步骤201、对测试集中的数据按照训练阶段中的归一化参数进行归一化处理，得处理后的测试集；步骤202、将步骤201得到的测试集的数据序列分别代入对应的已经训练调整好的ACDE-BP神经网络模型中，得到测试集的数据序列对应的预测值；步骤203、得到测试集的完整预测值，输出预测值，并...

【专利技术属性】
技术研发人员：冯晓煜，陈亮，马明浩，
申请(专利权)人：东华大学，
类型：发明
国别省市：上海,31