【技术实现步骤摘要】
一种基于人工鱼群神经网络的短期负荷预测方法
本专利技术涉及电力系统负荷预测
，更具体地，涉及一种基于人工鱼群神经网络的短期负荷预测方法。
技术介绍
电力系统短期负荷预测是保证电力系统安全经济运行和实现电网科学管理及调度的重要依据，也是能量管理系统(EMS)和配电管理系统(DMS)的重要组成部分。短期负荷由于人们生活习惯等各方面因素的影响而具有波动性和随机性。不精准的负荷预测值将会给电网安全可靠稳定运行和调度管理带来诸多问题，因此，提供精准的短期负荷预测给电力调度部门作为调度的参考依据具有重要意义。短期负荷预测的方法有时间序列分析、概率统计等传统方法和以人工神经网络为代表的基于人工智能理论的现代化方法。然而现有人工神经网络结构较大时，依然采用梯度下降法等传统方法更新权值和阈值，这严重的影响了神经网络的训练速度和训练精度，从而降低网络预测的性能以及短期负荷的预测精度，导致传统人工神经网络预测模型普适性较弱。
技术实现思路
本专利技术为解决现有用于电力系统短期负荷预测的人工神经网络存在训练速度慢、训练精度低的问题，提供了一种基于人工鱼群神经网络的短期负荷预测方法。为实...
【技术保护点】
1.一种基于人工鱼群神经网络的短期负荷预测方法，其特征在于，包括以下步骤：S1.获取预测日前N天的历史负荷数据以及预测日前N天的相关天气数据，将获取的历史负荷数据和相关天气数据随机划分为训练集和预测集；并将所有数据建立初始数据集合；其中相关天气数据包括温度和湿度数据；其中N为正整数；S2.对初始数据集合中的数据进行预处理；其中预处理包括标准化处理以及归一化处理；S3.构建人工鱼群神经网络，对所述人工鱼群神经网络进行初始化后将预处理后的训练集数据输入所述人工鱼群神经网络进行训练；S4.将预处理后的预测集数据输入训练完毕的人工鱼群神经网络进行短期负荷预测，输出预测时刻短期负荷的...
【技术特征摘要】
1.一种基于人工鱼群神经网络的短期负荷预测方法，其特征在于，包括以下步骤：S1.获取预测日前N天的历史负荷数据以及预测日前N天的相关天气数据，将获取的历史负荷数据和相关天气数据随机划分为训练集和预测集；并将所有数据建立初始数据集合；其中相关天气数据包括温度和湿度数据；其中N为正整数；S2.对初始数据集合中的数据进行预处理；其中预处理包括标准化处理以及归一化处理；S3.构建人工鱼群神经网络，对所述人工鱼群神经网络进行初始化后将预处理后的训练集数据输入所述人工鱼群神经网络进行训练；S4.将预处理后的预测集数据输入训练完毕的人工鱼群神经网络进行短期负荷预测，输出预测时刻短期负荷的归一化值；S5.对所述预测时刻短期负荷的归一化值进行反归一化处理，得到预测时刻短期负荷的预测结果。2.根据权利要求1所述的基于人工鱼群神经网络的短期负荷预测方法，其特征在于，所述步骤S1具体为以时间间隔M分钟为一个样本单位，获取预测日前N天的历史负荷数据以及预测日前N天的相关天气数据，建立初始输入数据集合；其中M、N均为正整数；X＝[LTH]其中X为初始输入数据集合，L表示历史负荷数据，T表示包括平均温度、最低温度以及最高温度的温度数据，H表示湿度数据；L＝[Lt-NLt-(N-1)...Lt-1]Lt-1＝[L1L2…L1400/M]其中t表示预测日，Lt-1表示预测日前一日的负荷数据，L1表示第一个M分钟的负荷数据；T＝[Tt-NTt-(N-1)…Tt-1]Tt-1＝[T1T2...T1400/M]其中t表示预测日，Tt-1表示预测日前一日的温度数据，T1表示第一个M分钟的温度数据；H＝[Ht-NHt-(N-1)...Ht-1]Ht-1＝[H1H2...H1400/M]其中t表示预测日，Ht-1表示预测日前一日的湿度数据，H1表示第一个M分钟的湿度数据。3.根据权利要求2所述的基于人工鱼群神经网络的短期负荷预测方法，其特征在于，所述步骤S1中M的取值为15，N的取值为30。4.根据权利要求1～3任一项所述的基于人工鱼群神经网络的短期负荷预测方法，其特征在于，所述步骤S3具体包括以下步骤：S31.构建人工鱼群神经网络，确定所述人工鱼群神经网络的层数以及其中神经元个数，随机初始化所述人工鱼群神经网络的权值ω以及阈值Tj；S32.根据人工鱼群算法，对权值ω以及阈值Tj进行更新，得到权值ω以及阈值Tj的...
【专利技术属性】
技术研发人员：叶辉良，吴杰康，张文杰，毛颖卓，雷振，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44
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。