基于改进哈里斯鹰优化算法的电力负荷预测方法及系统技术方案

本发明专利技术涉及电力负荷预测技术，具体涉及基于改进哈里斯鹰优化算法的电力负荷预测方法及系统，该方法包括：改进哈里斯鹰优化算法；得到改进的哈里斯鹰优化算法ETAHHO；获取电力负荷数据；采集地区每小时电力负荷需求数据集；划分电力负荷数据；将所采集电力负荷数据集划分为训练集和预测集；分解电力负荷数据；使用改进后的哈里斯鹰优化算法ETAHHO对变分模态VMD分解参数寻优，对训练集进行分解；构建电力负荷预测模型；预测电力负荷；利用训练后的电力负荷预测模型进行电力负荷的预测，得到预测结果。该方法能有效提高模型的预测性能，有利于电力负荷的精准预测，在中期负荷预测领域有较好的应用前景。较好的应用前景。较好的应用前景。

【技术实现步骤摘要】
基于改进哈里斯鹰优化算法的电力负荷预测方法及系统


[0001]本专利技术属于电力负荷预测
，特别涉及基于改进哈里斯鹰优化算法的电力负荷预测方法及系统。

技术介绍

[0002]电能作为全世界最重要的能源之一，广泛用于照明、供暖、制冷、运输和工业作业等方面。电能在未来能源系统中的作用将会变得更加关键，因为世界各国都在努力向低碳和可持续能源系统过渡。未来会有越来越多可再生能源发电，直接由电力驱动生产、生活以摆脱对化石能源的过于依赖。例如当前世界大国都在大力推动电动车取代燃油车，其中的原因之一就在于此。所以，未来我们将会面临更加复杂的用电场景，电力负荷预测对当前智能电网建设的重要性随即突显出来。电力需求被认为是国民经济的晴雨表，因此准确预测中长电力负荷至关重要。智能电网的建设和发展将提高可再生分布式能源的发电能力，从而显着影响电网的安全稳定运行。中期电力负荷目前没有明确的定义，普遍共识设定为提前一月到一年期的预测。
[0003]哈里斯鹰优化(HHO)是一种高性能、基于群体的无梯度优化技术，是灵感来源于哈里斯鹰捕食过程的智能优化算法。它是一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进哈里斯鹰优化算法的中期电力负荷预测方法，其特征在于，包括：改进哈里斯鹰优化算法；得到改进的哈里斯鹰优化算法ETAHHO；获取电力负荷数据；采集地区每小时电力负荷需求数据集；划分电力负荷数据；将所采集电力负荷数据集划分为训练集和预测集；分解电力负荷数据；使用改进后的哈里斯鹰优化算法ETAHHO对变分模态VMD分解参数寻优，对训练集进行分解；构建电力负荷预测模型；通过哈里斯鹰优化算法对电力负荷预测模型的参数进行寻优，从而构建电力负荷预测模型；预测电力负荷；利用训练后的电力负荷预测模型进行电力负荷的预测，得到预测结果。2.根据权利要求1所述基于改进哈里斯鹰优化算法的中期电力负荷预测方法，其特征在于，所述改进哈里斯鹰优化算法包括以下步骤：将哈里斯鹰优化算法的探索阶段改为：将哈里斯鹰优化算法的探索阶段改为：其中X(t+1)为下次迭代位置，X(t)为当前鹰的位置，X
m
(t)为当前全部鹰的平均位置，X
targeted
(t)为目标鹰，r1，r2，r3，r4为0到1随机分布的随机数，UB为搜索空间上限，LB为搜索空间下限，N为哈里斯鹰种群数量；为从N只哈里斯鹰中选出的i只鹰的集合；将哈里斯鹰优化算法的渐进式快速俯冲与软包围行为用花授粉优化算法的全局授粉和局部授粉行为取代，更新方式为：Y＝X(t)+LF(X
rabbit
(t)
‑
X(t))Z＝X(t)+∈(X
j
(t)
‑
X
k
(t))其中X(t)为当前迭代位置，LF()为莱维飞行函数，∈为0到1平均分布的随机数，X
j
(t)、X
k
(t)为两个随机的哈里斯鹰，F()为适应度函数；使用差分进化算法的突变行为取代渐进式快速俯冲与硬包围，更新方式为：F＝1.2
×
β
t
‑
1其中X
α
(t)、X
β
(t)和X
γ
(t)是从群体中随机选出的；β
t
是一个介于0和1之间的任意数字；对全局最优解进行混沌局部搜索，搜索方式如下：X
′...

【专利技术属性】
技术研发人员：陈宏伟，刘子谅，陈子璇，
申请(专利权)人：湖北工业大学，
类型：发明
国别省市：