【技术实现步骤摘要】
一种基于蚁群
‑
粒子群网络的低压台区电网负荷预测方法
[0001]本专利技术涉及负荷预测
,具体涉及一种基于蚁群
‑
粒子群网络的低压台区电网负荷预测方法。
技术介绍
[0002]传统意义上的负荷预测手段,大多是由预测人员的判断和猜测实现的。因此,传统的负荷预测方式,对负荷预测人员的文化素质、数据分析能力和电网运行经验有着相当严格的要求。国内外普遍认可存在两个预测阶段:阶段一,完全依赖预测人员的日常经验进行预测;阶段二,通过运用计算机,采用具有数据分析能力的数据软件或专业的负荷预测软件,参考主观判断和修正,结合数据分析结果,完成目标周期的负荷预测。随着我国社会经济的快速发展。迈入21世纪后,电网供配电企业发展迅猛,供电呈现前所未有的紧张局面。客观说来,能够影响电力负荷的因素较多,并且呈现复杂化和社会化的趋势。面对日益复杂的负荷变化大背景,传动地以运行调度人员主观人为判断为主的负荷预测模式,已经很难满足新形势下的负荷预测工作的实际需求。同时,随着电力市场改革的不断深入,各个级别的电力交易中心对电网负荷预测的实时性、准确性提出了更高的要求。
[0003]在现有的负荷预测手段中,BP神经网络,具有理念清晰、结构明确、工作状态稳定、可操作性强等优势,可以根据被预测地区的风速V、气温T、气压P、湿度W等气候预报数据,以及部分电网运行参数,对电网负荷进行较好的预测。但BP神经网络训练机制,一般是沿负梯度方向来修正网络的权重和阈值,而采用负梯度下降法训练,网络将存在网络学习率、网络稳 ...
【技术保护点】
【技术特征摘要】
1.一种基于蚁群
‑
粒子群网络的低压台区电网负荷预测方法,其特征在于,包括以下步骤:步骤S1:收集样本数据并处理,所述样本数据包括历史负荷数据和历史气象数据;步骤S2:将处理好的样本数据分为学习样本和测试样本;步骤S3:构建神经网络,采用蚁群算法确定网络结构基因,采用粒子群算法确定网络参数基因,获得蚁群
‑
粒子群网络;步骤S4:利用蚁群
‑
粒子群网络进行低压台区电网负荷预测,以气象数据作为输入量,负荷数据作为输出量。2.根据权利要求1所述的一种基于蚁群
‑
粒子群网络的低压台区电网负荷预测方法,其特征在于,步骤S3中,算法的具体实现步骤为:步骤A1:初始化参数;步骤A2:归一化学习样本和测试样本;步骤A3:I只蚂蚁逐个选择结构基因,共形成I组结构基因;步骤A4:根据第i组结构基因,构建神经网络,并逐个计算K个样本的网络输出;步骤A5:在第i个神经网络中,计算第s次迭代第j个粒子的K个样本网络输出的均方差;步骤A6:根据均方差更新第s次迭代第j个粒子个体极值;步骤A7:j
←
j+1跳转至步骤A5,直至J个粒子下网络输出的均方差全部计算完成;步骤A8:根据均方差更新第s次迭代的全局极值;步骤A9:更新J个粒子的速度v(j)、位置X(j,:);步骤A10:s
←
s+1跳转至步骤A5,直至S次迭代全部计算完成;步骤A11:判断粒子群算法是否收敛,若收敛,第i组结构基因下的误差取收敛误差;否则取s次迭代中的最大误差;步骤A12:i
←
i+1跳转至步骤A5,直至I次迭代全部计算完成;步骤A13:判断蚁群算法是否收敛,若蚁群算法和粒子群算法均收敛,根据G(1,:)和X(1,:)构建神经网络并利用测试样本测试神经网络误差;否则根据更新费洛蒙浓度、能见度因数、状态转移概率,进行第t+1次迭代。3.根据权利要求1所述的一种基于蚁群
‑
粒子群网络的低压台区电网负荷预测方法,其特征在于,步骤S3中,采用蚁群算法确定网络结构基因,具体过程包括:构建网络结构基因:网络结构基因G表示隐含层节点的有无,当G
t
(i,m)=1时,表示第m维结构基因G
t
(i,m)对应的第m维隐含层节点存在;当G
t
(i,m)=0时,表示第m维结构基因G
t
(i,m)对应的第m维隐含层节点不存在;其中,G
t
(i,m)采用二进制编码,即为神经网络隐含层节点的真实个数;
为保证费洛蒙浓度与结构基因二进制特性相适应,分别构建第t+1(0<t<T)代,第i(0<i≤I)只蚂蚁,第m个隐含层节点“0”路径和“1”路径上费洛蒙浓度如下:路径上费洛蒙浓度如下:其中,ρ为费洛蒙残留系数,反映了蚂蚁个体之间相互影响的强弱;Q为常量,表示蚂蚁在经过路径上所释放的费洛蒙的总量;D
t
(i)表示蚂蚁所走过的路径的长度,为第t次迭代下第i只蚂蚁产生的网络输出与学习样本的均方差;为保证能见度因数与结构基因二进制特性相适应,分别构建第t+1(0<t<T)代,第i(0<i≤I)只蚂蚁,第m个隐含层节点“0”路径和“1”路径上能见度因数如下:路径上能见度因数如下:进而算出,对于模型中第t+1次迭代,第i只蚂蚁,第m个隐含层节点“0”路径和“1”路径上转移概率p
l
(t+1)分别为:其中,费洛蒙浓度相对重...
【专利技术属性】
技术研发人员:李颖,徐钰强,韩长志,周青睐,王海帆,李天鲍,王哲萍,周嘉诚,姚利忠,陈龙,陈云飞,何嵩琦,何玎傲,张超,朱善令,
申请(专利权)人:国网浙江省电力有限公司桐乡市供电公司,
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。