一种基于樽海鞘群和BP神经网络的电力负荷预测方法技术

本发明专利技术公开了一种基于樽海鞘群和BP神经网络的电力负荷预测方法，解决了目前预测算法、方法精度不高的问题，其技术方案要点是通过获取完整原始数据，并进行预处理，再构建并确定BP神经网络的结构、学习效率、目标精度和训练次数，确定樽海鞘群算法的种群规模、迭代次数、搜索空间的上下界和动态权重，依据BP神经网络参数的个数确定樽海鞘群的维数，然后参照建立的BP神经网络模型，随机生成樽海鞘群，通过樽海鞘群算法的不断迭代，得出最优参数组合，将其作为BP神经网络的初始值，最后运行BP神经网络进行预测，本发明专利技术的一种基于樽海鞘群和BP神经网络的电力负荷预测方法，能更加科学、可靠的实现短期预测，保障电力系统安全稳定运行。定运行。定运行。

【技术实现步骤摘要】
一种基于樽海鞘群和BP神经网络的电力负荷预测方法


[0001]本专利技术涉及电力负荷预测技术，特别涉及一种基于樽海鞘群和BP神经网络的电力负荷预测方法。

技术介绍

[0002]电力负荷预测是制定电力供应计划和电网电量供需平衡的关键挑战之一。电力负荷预测是在与时刻相关的气温、相对湿度等历史数据的基础上，挖掘出电力负荷的变化规律，继而预测出未来某个时间段内的电力负荷。根据预测的时间段的长短可分为超短期、短期、中期和长期预测。现有的电力负荷预测方法大致可分为两类，一类是以多元线性回归、时间序列分析、灰色预测等为代表的传统预测方法；另一类是以神经网络、专家系统等为代表的人工智能算法。由于电力负荷变化是一个高度复杂的非线性过程，因此传统的预测方法及常规的人工智能算法在预测精度上有待提高。

技术实现思路

[0003]本专利技术的目的是提供一种基于樽海鞘群和BP神经网络的电力负荷预测方法，能更加科学、可靠的实现短期预测，保障电力系统安全稳定运行。
[0004]本专利技术的上述技术目的是通过以下技术方案得以实现的：<br/>[0005]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于樽海鞘群和BP神经网络的电力负荷预测方法，其特征是，包括有以下步骤：S1、获取完整的电力负荷、最高温度、最低温度、平均温度、相对湿度和降雨量6类原始数据，并进行预处理对完整数据中的异常值做筛选处理；S2、构建并确定BP神经网络的结构、学习效率、目标精度和训练次数，确定樽海鞘群算法的种群规模、迭代次数、搜索空间的上下界和动态权重，依据BP神经网络参数的个数确定樽海鞘群的维数；S3、参照建立的BP神经网络模型，随机生成樽海鞘群，通过樽海鞘群算法的不断迭代，得出最优参数组合，将其作为BP神经网络的初始值；S4、运行BP神经网络预测未来某短期时间段内的电力负荷。2.根据权利要求1所述的基于樽海鞘群和BP神经网络的电力负荷预测方法，其特征是，步骤S1中对原始数据的预处理包括：S11、将6类原始数据的每类数据按照从小到大的顺序排列；S12、对排列后的数据位于中间、居于25％位置处、居于75％位置处分别定位为中位数、下四分位、上四分位；S13、用箱形图将已获得的每类完整原始数据中的异常值筛选出来，定义正常数值区间，判断每类数据中的每个数值是否都位于正常数值区间，进行筛选，对不在正常数值区间内的数值标记为异常值；S14、对筛选出来的异常值用每类数据中的正常值的均值进行替换，再对数据进行归一化处理。3.根据权利要求2所述的基于樽海鞘群和BP神经网络的电力负荷预测方法，其特征是，对原始数据的预处理具体有：定义正常数值区间[Q
l
‑
k
×
IQR，Q
h
+k
×
IQR]，其中k为控制区间长度的一个正数，取1.5；IQR定义为：IQR＝Q
h
‑
Q
l
；其中，Q
m
表示中位数、Q
l
表示下四分位、Q
h
表示上四分位；对数据的归一化处理为：其中，a
ij
表示第i类指标中的第j个参数值，a
i min
表示第i类指标中的最小参数值，a
i max
表示第i类指标中的最大参数值，表示第i类指标中的第j个参数值经归一化处理后的值。4.根据权利要求1所述的基于樽海鞘群和BP神经网络的电力负荷预测方法，其特征是，BP神经网络的建立实现具体为：确定输入层的输入量：其中，隐含层的输入量为：隐含层的输出量为：
隐含层的Sigmoid函数为...

【专利技术属性】
技术研发人员：孙全，孙渊，
申请(专利权)人：上海电机学院，
类型：发明
国别省市：