【技术实现步骤摘要】
一种基于CSA
‑
SVM的短期电力负荷预测方法
[0001]本专利技术属于短期电力负荷预测领域,涉及一种基于CSA
‑
SVM(Crow Search Algorithm,CSA为乌鸦搜索算法;Support Vector Machine,SVM为支持向量机)的短期电力负荷预测方法。
技术介绍
[0002]负荷预测,是指根据电力系统的运行特性、历史负荷数据与社会影响等多重因素,在满足一定精度的条件下,对未来一段时间的负荷功率进行预测。负荷预测是电网调度决策的重要支持条件之一,它对于电力系统的合理调度包括电网发电机组的启停、安排各机组的检修计划等具有重大的参考意义,有助于降低发电成本,保障电力系统的正常稳定运行。
[0003]支持向量机(SVM)于1964年由V.N.Vapnik等人基于统计学理论提出,是一种广泛应用于回归和分类的智能算法。通过定义最优超平面及支持向量的概念,将低维空间的样本点经非线性映射转换为高维特征空间中的点,使得原始的难题可以在极宽的解空间进行求解,在高维空间中找到线性解,并获得高维空间中的线性解对应于原始样本空间中寻求的非线性解。SVM参数的取值对其回归性能有着非常重要的影响,正确选择SVM的参数有助于提升SVM的性能。
[0004]乌鸦搜索算法(CSA)由Askarzadeh在2016年提出,它是受到乌鸦在储藏食物和偷窃食物的智能行为的启发,是一种基于种群的新型进化算法,充分利用种群的优势来增加寻找最优解的可能,不容易陷于局部最优。具有全局寻优 ...
【技术保护点】
【技术特征摘要】
1.一种基于CSA
‑
SVM的短期电力负荷预测方法,其特征在于,包括以下步骤:步骤一、采集地区主变电站出线及其各节点的负荷功率峰值、均值数据,构建基于时间序列的功率原始数据集;步骤二、对原始数据集进行预处理,将数据集划分为训练集和测试集两部分;步骤三、计算CSA算法各项参数的初始适应值;步骤四、初始化乌鸦位置和藏食物的记忆,将初始位置用于训练SVM负荷预测模型,更新乌鸦位置并检查新位置的可行性;步骤五、计算新位置的适应度并更新乌鸦记忆;步骤六、得到参数优化后的SVM短期电力负荷预测模型,用测试集来测试优化后模型的预测性能,最终输出模型的预测准确率;步骤七、采用负荷预测模型进行负荷预测,得到短期的电力负荷预测数据。2.根据权利要求1所述的一种基于CSA
‑
SVM的短期电力负荷预测方法,其特征在于,所述获取地区主变电站出线及其各节点的负荷功率峰值、均值数据具体包括,t时刻对应的有功功率峰值P
tmax
、P
tmin
、平均值P
tave
及无功功率大小Q
tmax
、Q
tmin
、平均值Q
tave
,构建基于时间序列的功率原始数据集。3.根据权利要求1所述的一种基于CSA
‑
SVM的短期电力负荷预测方法,其特征在于,对于原始数据集中的功率数据,去除功率值为负的数据点,采用min
‑
max标准化方式进行归一化处理,将经过预处理后的数据集划分为训练集和测试集两部分。4.根据权利要求1所述的一种基于CSA
‑
SVM的短期电力负荷预测方法,其特征在于,建立适应度函数如下:本文以均方误差平方和作为适应度函数,其中,n表示训练集数据的总数,P
mt
、Q
mt
表示时间t的预测值,P
pt
、Q
pt
表示时间t的实际值。min.f
MSE
表示以均方误差平方和达到最小值为算法优化目标。初始化CSA算法的各项参数。设置初始化乌鸦的种群数量为N,最大迭代次数为K,飞行长度为fl,辨识度为AP。5.根据权利要求1所述的一种基于CSA
...
【专利技术属性】
技术研发人员:钱宇,张峰,谢斌鑫,苏南,顾育君,
申请(专利权)人:国网江苏省电力有限公司江阴市供电分公司,
类型:发明
国别省市:
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。