【技术实现步骤摘要】
基于粒子群优化的改进灰色模型的电力负荷预测方法
本专利技术属于电力系统负荷预测
，特别涉及一种基于粒子群优化的改进灰色模型的电力负荷预测方法。
技术介绍
随着我国科技与经济地快速发展，电能已经成为人们日常生活中必不可少的能源，随着生活水平的提高，用户对供电可靠性的要求也是越来越高。但是由于电能属于二次能源，因此，电能是不可大量储存的，为了提高供电可靠性，保证供电和用电的平衡，必须要了解用电情况，也就是负荷的特性，合理地预测和掌握负荷的变化趋势，为电能调度提供准确的建议，以保证供电的可靠性，提供高质量的电能。电力系统在运行过程中必须满足发电与用电的动态平衡。若用电负荷增加，但是发电量没有相应的增加，则会导致系统的频率降低，系统的相关设备极有可能会发生故障，从而导致电网崩溃，会影响供电可靠性，难以保证供电质量，所以如何对负荷进行精确预测已经是众多研究人员关注的焦点。现如今有很多的文献对基础灰色预测模型GM(1,1)进行了深入的研究和改进(如公开号为CN110222882A的中国专利技术专利——一种电力系统中...
【技术保护点】
1.基于粒子群优化的改进灰色模型的电力负荷预测方法，其特征在于，所述方法包括：/n步骤一，获取电力系统中的中长期负荷数据作为观测序列；/n步骤二，对所述观测序列进行数据变换，对变换后的观测序列进行一次累加求和，得到累加生成序列；/n步骤三，根据所述累加生成序列建立DTGM(1,1)预测模型，根据最小二乘法估算DTGM(1,1)预测模型的参数；/n步骤四，将观测序列输入所述DTGM(1,1)预测模型中，得到观测序列的预测值序列；/n步骤五，利用粒子群算法优化算法对所述预测值序列进行修正。/n
【技术特征摘要】
1.基于粒子群优化的改进灰色模型的电力负荷预测方法，其特征在于，所述方法包括：
步骤一，获取电力系统中的中长期负荷数据作为观测序列；
步骤二，对所述观测序列进行数据变换，对变换后的观测序列进行一次累加求和，得到累加生成序列；
步骤三，根据所述累加生成序列建立DTGM(1,1)预测模型，根据最小二乘法估算DTGM(1,1)预测模型的参数；
步骤四，将观测序列输入所述DTGM(1,1)预测模型中，得到观测序列的预测值序列；
步骤五，利用粒子群算法优化算法对所述预测值序列进行修正。
2.根据权利要求1所述的基于粒子群优化的改进灰色模型的电力负荷预测方法，其特征在于，步骤一中，所述观测序列为：
x(0)(k)＝{x(0)(1),x(0)(2),…,x(0)(n)}。
3.根据权利要求2所述的基于粒子群优化的改进灰色模型的电力负荷预测方法，其特征在于，步骤二中，对所述观测序列进行数据变换，得到变换后的观测序列为：
y(0)(k)＝(x(0)(k)+1)-0.01
对变换后的观测序列y(0)(k)进行一次累加求和，得到累加生成序列为：
y(1)(k)＝{y(1)(1),y(1)(2),…,y(1)(n)}
其中，
4.根据权利要求3所述的基于粒子群优化的改进灰色模型的电力负荷预测方法，其特征在于，步骤三具体包括：
利用y(1)(k)生成紧邻均值序列z(1)(k)为：
建立关于y(1)(k)的白化微分方程：
对应的微分方程形式为：
y(0)(k)+a·z(1)(k)＝u
得到y(1)(k)的DTGM(1,1)预测模型为：
其中a是发展系数，u是灰色常量；
利用如下最小二乘法公式求解参数a，u：
A＝[au]T＝(BT·B)-1·BT·Y
其中，A是a，u组成的2×1列矩阵；
Y＝[y(0)(2)y(0)(3)…y(0)(n)]T。
5.根据权利要求4所述的基于粒子群优化的改进灰色模型的电力负荷预测方法，其特征在于，步骤四具体包括：
步骤三中，所述预测模型的预测值可用下式得出：
对所述预测值进行如下数据逆变换，得到观测序列的预测值序列；
6.根据权利要求5所述的基于粒子群优化的改进灰色模型的电力负荷预测方法，其特征在于，步骤五具体包括：
计算所述预测值序列与观测序列之间的残差序列：
δ(0)(k)＝{δ(0)(1),δ(0)(2),…,δ(0)(n)}...
【专利技术属性】
技术研发人员：窦春霞，李想，岳东，张智俊，丁孝华，李延满，
申请(专利权)人：南京邮电大学，国网电力科学研究院有限公司，
类型：发明
国别省市：江苏;32
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。