基于IPSO-混沌BP网络的负荷短期预测方法及预测系统技术方案

本发明专利技术涉及一种基于IPSO‑混沌BP网络的负荷短期预测方法及预测系统，所述方法首先获取待测地点的实际历史电力负荷数据，再将所述电力负荷数据输入所述IPSO‑混沌BP网络的电力负荷短期预测模型中，获取所述地点预测日的各整点时刻的电力负荷预测结果，所述电力负荷短期预测模型以混沌BP神经网络为基础，所述混沌BP神经网络中的权值和阈值通过改进粒子群优化获得，所述改进粒子群采用引入反正弦函数的非线性动态改进惯性权重策略和加速系数线性调整策略。本发明专利技术能够有效地提高算法的寻优速度与搜索性能，减少算法的运算时间，并提高短期电力负荷预测的准确性，从而降低电网的运行成本。

【技术实现步骤摘要】
基于IPSO-混沌BP网络的负荷短期预测方法及预测系统
本专利技术涉及电力信息技术处理领域，尤其涉及一种基于IPSO-混沌BP网络的负荷短期预测方法及预测系统。
技术介绍
近年来，对电能的需求不断增加，也对电能质量提出了更高的要求。面对越来越大的挑战，电力系统负荷预测成为电力系统规划和用电设备选择工作的重要内容。在目前情况下，由于电能尚不能大量储存，所以系统发出的电能必须与系统的负荷变化保持动态平衡，否则将会影响供电质量，甚至威胁到系统的安全稳定运行。如果负荷预测值偏低，将会导致电力供应紧张，无法满足用户的需求，大大降低供电可靠性；如果负荷预测值偏高，将会导致发、输、变电设备投入系统后的运行效率降低，严重影响系统的经济性指标。所以，更加精准的负荷预测，可以合理安排发电厂机组的启停、保证电力系统安全稳定运行、减少事故的发生、提高能源利用率、有效地降低发电成本并提高经济效益和社会效益。电力负荷预测可以分为长期、中期和短期负荷预测。长、中期负荷预测的结果可以决定未来的发电厂的建设和设备的安装、机组容量的大小、地点和时间，可以决定电网的扩容和改建，决定电网的建设和发展。而短期负荷预测一般是指预测未来一天至一周的负荷情况，电力负荷短期预测的目的是要最大程度地满足电力系统生产对于需求预测值的精度要求。在电力市场不断完善的情况下，低误差的短期电力负荷预测才会减少浪费。电力系统短期负荷预测的研究已经有很长时间的历史，国内外的众多专家、学者在负荷预测方面的研究从未间断，经过不断研究取得了不少进展。较为成熟的传统方法包括时间序列法、回归分析法、趋势外推法等；直到20世纪80年代末，专家系统法被应用到电力系统短期负荷预测中，为预测方法开辟了一个全新的领域；进入九十年代以来，人工网络在电力系统负荷预测的应用中得到研究人员的广泛关注，并且不断发展，取得了比较满意的效果；之后，随着研究的不断深入，又产生了许多负荷预测的方法，例如：模糊理论、基于点模式匹配的电力系统短期负荷预测以及支持向量机。然而，尽管电力负荷有多种预测方法，且都有各自的优缺点以及不同的适用场合，但总体预测的精度不高。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提出一种基于IPSO-混沌BP网络的负荷短期预测方法及预测系统，能够有效地提高寻优速度与搜索性能，减少运算时间，并提高短期电力负荷预测的准确性，从而降低电网的运行成本。本专利技术的目的可以通过以下技术方案来实现：本专利技术提供一种基于IPSO-混沌BP网络的负荷短期预测方法，包括如下步骤：步骤S1：获取待测地点的实际历史电力负荷数据；步骤S2：将所述电力负荷数据输入基于IPSO-混沌BP网络的电力负荷短期预测模型中，获取所述待测地点预测日的各整点时刻的电力负荷预测结果；其中，所述电力负荷短期预测模型以混沌BP神经网络为基础，所述混沌BP神经网络中的权值和阈值通过改进粒子群优化获得，所述改进粒子群采用引入反正弦函数的非线性动态改进惯性权重策略和加速系数线性调整策略。优选地，所述引入反正弦函数的非线性动态改进惯性权重策略中，惯性权重ω(t)表示为：式中，ω1和ω2分别是开始和结束时的惯性权重，t表示当前迭代次数，tmax表示种群的最大迭代次数，γ是调节因子，rand()为(0,1)间的随机取值函数。优选地，所述调节因子γ的范围为1.1～1.3。优选地，所述加速系数线性调整策略中，加速系数c1和c2的调整公式表示为：式中，c11、c12分别表示加速系数c1开始和结束时的值，c21，c22分别表示加速系数c2开始和结束时的值，Niter表示当前迭代次数，k为修正常数。优选地，所述修正常数k的范围为2.78～2.86。本专利技术还提供一种基于IPSO-混沌BP网络的负荷短期预测系统，包括：历史数据获取模块，用于获取待测地点的实际历史电力负荷数据；自动预测模块，用于将所述电力负荷数据输入基于IPSO-混沌BP网络的电力负荷短期预测模型中，获取所述待测地点预测日的各整点时刻的电力负荷预测结果；其中，所述电力负荷短期预测模型以混沌BP神经网络为基础，所述混沌BP神经网络中的权值和阈值通过改进粒子群优化获得，所述改进粒子群采用引入反正弦函数的非线性动态改进惯性权重策略和加速系数线性调整策略。优选地，所述引入反正弦函数的非线性动态改进惯性权重策略中，惯性权重ω(t)表示为：式中，ω1和ω2分别是开始和结束时的惯性权重，t表示当前迭代次数，tmax表示种群的最大迭代次数，γ是调节因子，rand()为(0,1)间的随机取值函数。优选地，所述加速系数线性调整策略中，加速系数c1和c2的调整公式表示为：式中，c11、c12分别表示加速系数c1开始和结束时的值，c21，c22分别表示加速系数c2开始和结束时的值，Niter表示当前迭代次数，k为修正常数。本专利技术还提供一种电子设备，包括：一个或多个处理器、存储器和被存储在存储器中的一个或多个程序，所述一个或多个程序包括用于执行如上所述基于IPSO-混沌BP网络的负荷短期预测方法的指令。本专利技术还提供一种计算机可读存储介质，包括供电子设备的一个或多个处理器执行的一个或多个程序，所述一个或多个程序包括用于执行如上所述基于IPSO-混沌BP网络的负荷短期预测方法的指令。与现有技术相比，本专利技术具有如下有益效果：1.本专利技术提出了一种基于改进粒子群优化的混沌BP网络短期预测方法，既克服了标准粒子群算法和混沌BP网络算法在迭代过程中，全局搜索性能差，不一定能搜寻到真正的全局最优解的缺点，又保持了粒子群算法的参数设置简单，容易操作等优点，同时还具有满意的适应度；2.本专利技术通过改进粒子群优化算法，克服了目前算法的局部最优、迭代收敛速度慢等缺点，有效提高了算法的寻优速度与搜索性能，减少了算法的运算时间；3.本专利技术有效提高了短期电力负荷预测的准确性，从而降低了电网的运行成本。4.本专利技术提出的改进粒子群优化算法与混沌BP网络的混合算法，解决了传统标准粒子群算法收敛速度慢、易发散的缺点，也克服了混沌学习算法预测精度低、数据获取困难的不足。附图说明图1为三种算法的Eg值比较；图2为实际负荷曲线与三种算法的负荷曲线比较；图3为本专利技术的流程示意图。具体实施方式下面结合附图和具体实施例对本专利技术进行详细说明。本实施例以本专利技术技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围不限于下述的实施例。本实施例提供一种基于IPSO-混沌BP网络的负荷短期预测方法，包括如下步骤：步骤S1：获取待测地点的实际历史电力负荷数据；步骤S2：将所述电力负荷数据输入基于IPSO-混沌BP网络的电力负荷短期预测模型中，获取所述地点预测日的各整点时刻的电力负荷预测结果，本文档来自技高网...

【技术保护点】
1.一种基于IPSO-混沌BP网络的负荷短期预测方法，其特征在于，包括如下步骤：/n步骤S1：获取待测地点的实际历史电力负荷数据；/n步骤S2：将所述电力负荷数据输入基于IPSO-混沌BP网络的电力负荷短期预测模型中，获取所述待测地点预测日的各整点时刻的电力负荷预测结果；/n其中，所述电力负荷短期预测模型以混沌BP神经网络为基础，所述混沌BP神经网络中的权值和阈值通过改进粒子群优化获得，所述改进粒子群采用引入反正弦函数的非线性动态改进惯性权重策略和加速系数线性调整策略。/n

【技术特征摘要】
1.一种基于IPSO-混沌BP网络的负荷短期预测方法，其特征在于，包括如下步骤：
步骤S1：获取待测地点的实际历史电力负荷数据；
步骤S2：将所述电力负荷数据输入基于IPSO-混沌BP网络的电力负荷短期预测模型中，获取所述待测地点预测日的各整点时刻的电力负荷预测结果；
其中，所述电力负荷短期预测模型以混沌BP神经网络为基础，所述混沌BP神经网络中的权值和阈值通过改进粒子群优化获得，所述改进粒子群采用引入反正弦函数的非线性动态改进惯性权重策略和加速系数线性调整策略。


2.根据权利要求1所述的基于IPSO-混沌BP网络的负荷短期预测方法，其特征在于，所述引入反正弦函数的非线性动态改进惯性权重策略中，惯性权重ω(t)表示为：



式中，ω1和ω2分别是开始和结束时的惯性权重，t表示当前迭代次数，tmax表示种群的最大迭代次数，γ是调节因子，rand()为(0,1)间的随机取值函数。


3.根据权利要求2所述的基于IPSO-混沌BP网络的负荷短期预测方法，其特征在于，所述调节因子γ的范围为1.1～1.3。


4.根据权利要求1所述的基于IPSO-混沌BP网络的负荷短期预测方法，其特征在于，所述加速系数线性调整策略中，加速系数c1和c2的调整公式表示为：






式中，c11、c12分别表示加速系数c1开始和结束时的值，c21，c22分别表示加速系数c2开始和结束时的值，Niter表示当前迭代次数，k为修正常数。


5.根据权利要求4所述的基于IPSO-混沌BP网络的负荷短期预测方法，其特征在于，所述修正常数k的范围为2.78～2.86。


6.一种基于IPSO-混沌BP网络的负荷短期预测系统，其特征在于，包括：

【专利技术属性】
技术研发人员：祝燕萍，苏卫华，蒋兴新，赵容兵，
申请(专利权)人：国网上海市电力公司，上海浦海求实电力新技术股份有限公司，
类型：发明
国别省市：上海;31