【技术实现步骤摘要】
基于蜉蝣优化新型分数阶灰色模型的城市用电量预测方法
[0001]本专利技术涉及用电量预测,具体是涉及一种基于蜉蝣优化新型分数阶灰色模型的城市用电量预测方法。
技术介绍
[0002]当前经济和电力工业迅速发展,用电量预测作为电力运行、生产、调度和交易的基础,对城市电力安全、经济运行和能源规划具有重要意义。城市年用电量既有逐年增长的趋势,又存在当地人口、地理、经济和工业规模等多种因素带来的不确定变化。城市年用电量数据具有小样本,不确定等特点,适合采用灰色理论模型进行用电预测研究。
[0003]现有灰色预测方法主要包括灰色均值模型、灰色幂模型和灰色分数阶模型。其中,均值模型和幂模型在城市年用电预测应用较多,但均值模型的方程组存在严重的病态性问题导致预测误差较大,幂模型在灰色预测中较少考虑多影响因素;分数阶模型有望提高预测精度,但阶次难以整定,需要较多的历史样本数据。如现有技术中申请号为2020115354998的中国专利,公开了基于粒子群优化的改进灰色模型的电力负荷预测方法,其利用粒子群优化算法去优化状态残差区间的参数值,对预测结果进行修正,一定程度上提高了预测结果的精确性,但实际中城市用电量及相关因素的样本数据非常有限,在此情况下采用现有技术中预测精度的提高有限。
技术实现思路
[0004]专利技术目的:针对以上缺点,本专利技术提供一种适应性高和预测精度高的基于蜉蝣优化新型分数阶灰色模型的城市用电量预测方法。
[0005]技术方案:为解决上述问题,本专利技术采用一种基于蜉蝣优化新型分数阶灰 ...
【技术保护点】
【技术特征摘要】
1.一种基于蜉蝣优化新型分数阶灰色模型的城市用电量预测方法,其特征在于,包括以下步骤:(1)采集城市用电量以及用电量影响因素的历史数据,获得数据序列;(2)对数据序列进行分数阶累减并生成紧邻序列;(3)根据生成紧邻序列建立GM(1,N)模型;(4)基于动态参数改进GM(1,N)模型,获得新型分数阶GM(1,N)模型,设置动态参数t和d,基于动态参数计算GM(1,N)模型的背景值β和分数阶阶次r分别为:r=t+d其中,h1、h2、h3为常量。设置动态参数向量[t,d]为蜉蝣位置,基于蜉蝣优化算法,得到t和d的最优值t
best
和d
best
;根据t
best
和d
best
得到最优新型分数阶GM(1,N)模型;(5)将数据序列输入(4)获取的最优新型分数阶GM(1,N)模型中,得到预测值序列。2.根据权利要求1所述的城市用电量预测方法,其特征在于,所述步骤(1)中获得的数据序列为:数据序列包括用电量序列和用电量影响因素序列,用电量序列为:其中,是时间n点的用电量实际值;用电量影响因素序列为:用电量影响因素的个数为m
‑
1。3.根据权利要求2所述的城市用电量预测方法,其特征在于,所述步骤(2)中具体步骤为:(201)对数据序列进行分数阶累减得到分数阶累减序列为:对数据序列中第k个元素进行分数阶累减为:其中,r为分数阶阶次,Г为伽马函数,q∈[0,k
‑
1];(202)对生成紧邻序列生成紧邻序列4.根据权利要求3所述的城市用电量预测方法,其特征在于,所述步骤(3)根据生成紧
邻序列建立GM(1,N)模型为:其中,a和b
i
为GM(1,N)模型的模型参数。5.根据权利要求4所述的城市用电量预测方法,其特征在于,所述步骤(4)基于动态参数的新型分数阶GM(1,N)模型为:式中,a和b
i
为新型分数阶GM(1,N)模型的模型参数,定义模型参数向量采用最小二乘算法来计算模型参数矩阵B和向量Y为矩阵B和向量Y为其中,β和r由动态参数t和d获取。6.根据权利要求1所述的城市用电量预测方法,其特征在于,所述步骤(4)基于蜉蝣优化算法,计算t和d最优值的具体步骤为:(401)定义目标函数,设置动态参数向量[t,d]为蜉蝣...
【专利技术属性】
技术研发人员:李迺璐,王佳广,朱卫军,李华睿,金新航,陆雨霜,张延枫,
申请(专利权)人:扬州大学,
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。