【技术实现步骤摘要】
基于脉冲神经网络的天气敏感型电力负荷预测方法及装置
本专利技术涉及电力负荷预测领域,更具体涉及基于脉冲神经网络的天气敏感型电力负荷预测方法及装置。
技术介绍
在电力系统中,配电网的任务就是给用户配送持续合格的电能,由于在电网中发电与用电之间存在着同时性,故电网管理调度部门需要提前做好发电预案。因此,电力负荷预测就成为电力系统运行调度中非常重要的内容。因此,短期负荷预测(ShortTermLoadForecasting,STLF)的准确性直接关系到电力公司的运营成本。电力负荷的变化具有随机性,但在整体上又呈现一定的规律性。可将电力负荷分为天气敏感型负荷和基本负荷,天气敏感型负荷是容易受气象变化影响的一类负荷,例如夏季城市中热岛效应使得空调负荷比例因天气而大大升高;而基本负荷短时间内不会明显变化。因此,若精准把握天气敏感型负荷的变化趋势,就能更加准确地预测短期内的负荷走势。天气敏感型电力负荷预测需要获取实时天气数据,作为预测依据。并使用历史负荷数据作为基准。近年来,人工智能技术持续火热,很多学者将人工智能技术引入电力负荷预测中, ...
【技术保护点】
1.基于脉冲神经网络的天气敏感型电力负荷预测方法,其特征在于,所述方法包括:/n步骤一:将气象变量输入数据进行时间编码,得到编码后的脉冲数据;/n步骤二:建立人体体感舒适度模型,依据人体体感舒适度模型获取人体舒适度与负荷区间映射关系;/n步骤三:利用遗传算法对脉冲神经网络进行训练;遗传算法包括根据染色体向量构建优胜矩阵和劣汰矩阵,获取优胜矩阵与劣汰矩阵的差异百分比,将优胜矩阵与劣汰矩阵的差异百分比由大到小排序,将前5个列对应的特征参数向量作为导致被淘汰的关键特征参数向量,然后进行遗传操作获得新的种群,进行变异操作,随机选取变异参数的索引,判断变异参数的索引指向的向量是不是关 ...
【技术特征摘要】
1.基于脉冲神经网络的天气敏感型电力负荷预测方法,其特征在于,所述方法包括:
步骤一:将气象变量输入数据进行时间编码,得到编码后的脉冲数据;
步骤二:建立人体体感舒适度模型,依据人体体感舒适度模型获取人体舒适度与负荷区间映射关系;
步骤三:利用遗传算法对脉冲神经网络进行训练;遗传算法包括根据染色体向量构建优胜矩阵和劣汰矩阵,获取优胜矩阵与劣汰矩阵的差异百分比,将优胜矩阵与劣汰矩阵的差异百分比由大到小排序,将前5个列对应的特征参数向量作为导致被淘汰的关键特征参数向量,然后进行遗传操作获得新的种群,进行变异操作,随机选取变异参数的索引,判断变异参数的索引指向的向量是不是关键特征参数向量并更新染色体向量;
步骤四:将编码后的脉冲数据输入训练好的脉冲神经网络,对脉冲神经网络的输出数据进行数据解码得到当前时刻负荷;
步骤五:根据当前时刻负荷以及负荷区间端点值利用输出结果判定式检验当前时刻负荷是否属于异常数据,若不是则输出当前时刻负荷,若是则剔除该异常数据并记录当前时刻气象变量输入数据以及异常数据。
2.根据权利要求1所述的基于脉冲神经网络的天气敏感型电力负荷预测方法,其特征在于,所述气象变量输入数据包括温度、湿度、风速以及被测地区的N个时间点的历史负荷数。
3.根据权利要求2所述的基于脉冲神经网络的天气敏感型电力负荷预测方法,其特征在于,所述步骤二包括:所述人体体感舒适度模型为Ci=0.25Ti2-10Ti2+100+10.12Hi+0.25(Ti-20)Si,其中,Ti为i时刻的温度,Hi为i时刻的湿度,Si为i时刻的风速,Ci为i时刻的人体体感舒适度。
4.根据权利要求1所述的基于脉冲神经网络的天气敏感型电力负荷预测方法,其特征在于,所述步骤三包括:
步骤301:将脉冲神经网络中待调整参数规整进一个染色体向量中,用随机数生成M个染色体向量Chromq[p],Chromq[p]表示初始的第q个染色体向量,[p]表示第q个染色体向量中的第p个特征参数向量,特征参数向量长度41,M为初始种群总数;
步骤302:将初始的第q个染色体向量输入脉冲神经网络,利用公式计算初始的第q个染色体向量的契合度值,其中,为期望输出值,为实际输出值,Fitq为初始的第q个染色体向量的契合度值;
步骤303:将所有染色体向量根据契合度值由大到小排序,选取契合度值排在前40%的染色体向量,以每个染色体向量成一行的规则组成优胜矩阵A,并将余下60%的染色体向量淘汰,并以每个染色体向量成一行的规则组成劣汰矩阵B,其中,优胜矩阵A为行、41列的矩阵,劣汰矩阵B为行、41列的矩阵;
步骤304:利用公式计算优胜矩阵A的第col列的平均数,利用公式计算劣汰矩阵B的第col列的平均数,利用公式计算优胜矩阵A与劣汰矩阵B的差异百分比,其中,rowA为优胜矩阵A的行索引,劣汰矩阵B的行索引,col为矩阵的列的索引,为优胜矩阵A的平均数,为劣汰矩阵B的平均数,differcol为优胜矩阵A与劣汰矩阵B的差异百分比;
步骤305:矩阵的列的索引col自增一次,返回执行步骤304,直到col>41停止执行,将每列的优胜矩阵A与劣汰矩阵B的差异百分比由大到小排序,选取前5个列对应的特征参数向量作为导致被淘汰的关键特征参数向量;
步骤306:将优胜矩阵A中的染色体向量进行复制并将复制后的染色体向量随机交叉互换,生成新的子代染色体向量,优胜矩阵A中染色体向量总数增加,新的子代染色体向量形成新的种群;
步骤307:利用公式随机选取变异参数的索引,若变异参数的索引指向的向量不是关键特征参数向量,则利用公式Chromq[p]'=Chromq[p]+r(0.5-random())更新第q个染色体向量,若变异参数的索引指向的向量是关键特征参数向量,则利用公式更新第q个染色体向,其中,Chromq[p]'为更新后的第q个染色体向量,为优胜矩阵A的第p列的平均数,为劣汰矩阵B的第p列的平均数,r为更新步长,random()随机数函数,生成(0,1)之间的随机数;
步骤308:以新的种群作为初始种群,以更新后的第q个染色体向量作为初始的第q个染色体向量,循环执行步骤302至步骤307,直到初始的第q个染色体向量的契合度值小于δ,停止循环,脉冲神经网络训练完成,其中,δ为训练目标精度,δ取值范围为2%~5%。
5.根据权利要求1所述的基于脉冲神经网络的天气敏感型电力负荷预测方法,其特征在于,所述步骤四包括:
步骤401:编码后的脉冲数据输入脉冲神经网络中,脉冲神经网络的输入层包括5个神经元,分别接受当前时刻、温度、湿度、风速、被测地区的N个时间点的历史负荷数的数据这五个输入变量的数据,中间层为隐含层包括7个神经元,输出层为1个神经元;
步骤402:对于某层的第j个神经元,利用公式获取脉冲到达的标志;ε(t)为当前时刻输入脉冲响应值,为当前时刻输入脉冲响应值的偏导;
步骤403:某层的第j个神经元利用公式接收来自上层连接神经元的输入数据;x(t)为当前时刻状态变量,Yl(t)为当前时刻上一层第l个神经元发出的脉冲信号,*表示某层,表示上层第l个神经元与某层第m个神经元之间连接权值,n为上一层神经元总数;
步骤404:当状态变量x(t)超过阈值σ时,某层的第j个神经元利用公...
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。