基于高斯液面法的负荷预测算法的参数寻优方法技术

本发明专利技术公开了电力系负荷预测领域的一种基于高斯液面法的负荷预测算法的参数寻优方法。其技术方案是，首先初始化高斯液面，即队列长度，维数、范围等参数；然后通过高斯液面生成随机参数并进行负荷预测计算；评价随机参数对应的比对结果与最优参数对应的输出结果，确定是否更新最优参数；最后判定该高斯液面是否已收敛，进行高斯液面参数更新或高斯液面初始化，并进入下一个时刻的负荷预测。本发明专利技术提出的用于参数寻优方法，以伴随负荷预测过程不断更新的高斯液面，作为生成随机参数的概率密度函数，概念明确，思路清晰，计算量小，能实现电力系统超短期负荷预测算法的参数优选与预测精度提升。

【技术实现步骤摘要】
基于高斯液面法的负荷预测算法的参数寻优方法
本专利技术属于电力系负荷预测领域，尤其涉及一种基于高斯液面法的负荷预测算法的参数寻优方法。
技术介绍
超短期负荷预测是能量管理系统中的重要一环，需要进行步长为5分钟至1小时的在线实时负荷预测，预测结果主要用于：系统经济调度，预防性控制，自动发电控制的超前控制等方面。同时，准确的超短期负荷预测有助于提高微电网的运行效率与可靠性。如何实现负荷预测算法的参数寻优，提高预测准确率，是进行超短期负荷预测关键技术。目前国内外已经出现大量的参数寻优算法用于负荷预测，但由于大都采用含种群的寻优方式，计算时间长，对快速变化的负荷特性适应能力差，难以满足超短期负荷预测要求。
技术实现思路
针对
技术介绍
中提到的目前电力系统中，超短期负荷预测算法在参数寻优时间长和对快速变化的负荷特性适应能力差的问题，本专利技术提出了一种基于高斯液面法的负荷预测算法的参数寻优方法。一种基于高斯液面法的负荷预测算法的参数寻优方法，其特征在于，所述方法具体包括以下步骤：步骤1：进行高斯液面初始化；给定期望队列QE与方差队列QD的队列长度QL，待寻优参数的维数N和参数取值范围(lowB，upB)，同时，设定初始最优参数xbest作为负荷预测算法的已有最优参数；步骤2：基于期望队列和方差队列形成概率密度函数；并根据概率密度函数求得高斯液面函数；步骤3：使用高斯液面函数生成的随机参数值xcompare，并与已有最优参数xbest分别作为负荷预测算法的参数，进行负荷预测计算，使用xcompare计算得到的预测结果ycompare作为比对结果，使用xbest计算得到的预测结果ybest作为输出结果；步骤4：测量得到预测时刻的真实值yreal后，分别采用相同的评价标准对对比结果和输出结果进行评价，若比对结果优于输出结果，则将步骤3中高斯液面函数生成的随机参数值xcompare设置为最优参数xbest；若输出结果优于比对结果，则不做处理；步骤5：根据判定条件对高斯液面收敛进行判定，若高斯液面已收敛，执行步骤6；否，则执行步骤7；步骤6：初始化高斯液面，即将期望队列QE与方差队列QD中的元素设置为初始值，同时，已有最优参数xbest保留；步骤7：用xcompare更新期望队列QE，用ycompare的评价值更新方差队列QD；步骤8：进入下一时刻的高斯液面法参数寻优与负荷预测。所述概率密度函数为：其中，当QEi为更新值时，按照高斯分布计算fi，当QEi为初始值时，按照N维平均分布计算fi，其中平均分布所除面积根据(lowB，upB)进行计算，aera为相应的面积计算函数；QL为队列长度；μi为基于QEi形成的期望向量，Gi为基于QDi形成的协方差矩阵。所述高斯液面函数为：其中，W1×QL＝exp(linspace(log(0.01),log(1),QL)；W为信息衰减系数，linspace为等分函数；QL为队列长度。所述负荷预测算法包括ELM算法、SVM算法或BP神经网络算法。所述判定条件为：第t次高斯液面生成随机参数值与第t-1次生成随机参数值之差的绝对值小于1×10-3。所述预测结果评价的标准包括相对误差、绝对误差或均方根误差。所述对对比结果和输出结果进行评价的过程为：a：计算比对结果和预测时刻的真实值的相对误差、绝对误差或均方根误差；b：计算输出结果和预测时刻的真实值的相对误差、绝对误差或均方根误差；c：如果比对结果计算出的误差比输出结果计算出的误差小，则比对结果优于输出结果；否，则输出结果优于比对结果。所述评价值的计算方法为：QDi＝diag(exp(Xi)·(upB–lowB))其中，diag(A)是将A这一个向量扩展成对角阵；A代表exp(Xi)·(upB–lowB)；exp(…)为指数函数；Xi为第i次预测得到的相对误差、绝对误差或均方根误差。本专利技术提出的一种基于高斯液面法的负荷预测算法的参数寻优方法，以高斯液面作为参数寻优的生成器，使用不断更新的最优参数作为负荷预测输出值的计算参数，基于预测结果评价值作为高斯液面的更新依据，理论基础严密，思路清晰，计算量小，可以有效地解决电力系统超短期负荷预测算法的参数寻优问题。附图说明图1是高斯液面法用于超短期负荷预测算法参数寻优的流程图；图2是默认参数下极限学习机进行超短期负荷预测的结果；图3是采用高斯液面法参数寻优条件下，极限学习机进行超短期负荷预测的结果；图4是采用高斯液面法进行参数寻优前后的负荷预测总时间对比图。具体实施方式下面结合附图，对优选实施例作详细说明。应该强调的是下述说明仅仅是示例性的，而不是为了限制本专利技术的范围及其应用。图1是高斯液面法用于负荷预测算法参数寻优的流程图。图1中，高斯液面法用于参数寻优的基本步骤是：步骤1：进行高斯液面的初始化，即设定期望与方差队列长度(QL)，参数寻优维数(N)，参数取值范围(N维向量：lowB，upB)；初始最优参数xbest为可选参数，可人为设定也可由算法随机生成；然后将初始化期望队列QE与方差队列QD；步骤2：基于期望队列QE与方差队列QD计算概率密度函数fi，其中初始化的QE元素值为NaN(NotaNumbe，不是数)，按照N维均匀分布计算概率值；若QE元素值为更新值，则结合对应的QD元素值形成N维高斯分布(正态分布)概率密度函数，如公式(1)所示，其中μi为基于QEi形成的期望向量，Gi为基于QDi形成的协方差矩阵；步骤3：基于队列长度确定队列信息衰减系数，如公式(2)所示，其中linspace为等分函数，将log(0.01)到log(1)的区间均匀分成QL段；W1×QL＝exp(linspace(log(0.01),log(1),QL)(2)步骤4：基于步骤3与步骤4中的计算结果，生成高斯液面密度函数，如公式(3)所示，并按照该概率密度生成一组随机参数值xcompare；步骤5：分别使用xcompare与xbest作为算法参数进行负荷预测计算，对应生成负荷预测结果ycompare，ybest；其中ycompare为比对结果，ybest为输出结果，输出结果作为本次负荷预测的输出值；步骤6：当获得预测时刻的真实值yreal后，对ycompare和ybest使用相同的标准(该算例使用均方根误差作为评价标准，也可采用相对误差或绝对误差等标准)进行评价，若比对结果优于输出结果，则用xcompare更新xbest；否则不作处理；具体过程为：设定T-1时刻获得：比对结果ycompare＝10.7，输出结果ybest＝9.7T时刻获得：真实值(负荷量测值)yreal＝10.5对于比对结果ycompare：绝对误差＝|真实值-预测值|＝|10.5-10.7|＝0.2注：当一次预测多个时刻时均方根误差不等于绝对误差对于输出结果ybest：绝对误差＝|真实值-预测值|＝|10.5-9.7|＝0.8例子中对比结果的RMSE(0.2)小于输出结果的RMSE(0.8)，(相对误差，绝对误差，均方根误差本文档来自技高网...

【技术保护点】
一种基于高斯液面法的负荷预测算法的参数寻优方法，其特征在于，所述算法具体包括以下步骤：步骤1：进行高斯液面初始化；给定期望队列QE与方差队列QD的队列长度QL，待寻优参数的维数N和参数取值范围（lowB，upB），同时，设定初始最优参数xbest作为负荷预测算法的已有最优参数；步骤2：基于期望队列和方差队列形成概率密度函数；并根据概率密度函数求得高斯液面函数；步骤3：使用高斯液面函数生成的随机参数值xcompare，并与已有最优参数xbest分别作为负荷预测算法的参数，进行负荷预测计算，使用xcompare计算得到的预测结果ycompare作为比对结果，使用xbest计算得到的预测结果ybest作为输出结果；步骤4：测量得到预测时刻的真实值yreal后，分别采用相同的评价标准对预测结果和输出结果进行评价，若比对结果优于输出结果，则将步骤3中高斯液面函数生成的随机参数值xcompare设置为最优参数xbest；若输出结果优于比对结果，则不做处理；步骤5：根据判定条件对高斯液面收敛进行判定，若高斯液面已收敛，执行步骤6；否，则执行步骤7；步骤6：初始化高斯液面，即将期望队列QE与方差队列QD中的元素设置为初始值，同时，已有最优参数xbest保留；步骤7：用xcompare更新期望队列QE，用ycompare的评价值更新方 差队列QD；步骤8：进入下一时刻的高斯液面法参数寻优与负荷预测。...

【技术特征摘要】
1.一种基于高斯液面法的负荷预测算法的参数寻优方法，其特征在于，所述算法具体包括以下步骤：步骤1：进行高斯液面初始化；给定期望队列QE与方差队列QD的队列长度QL，待寻优参数的维数N和参数取值范围(lowB，upB)，同时，设定初始最优参数xbest作为负荷预测算法的已有最优参数；步骤2：基于期望队列和方差队列形成概率密度函数；并根据概率密度函数求得高斯液面函数，高斯液面函数为：其中，W1×QL＝exp(linspace(log(0.01),log(1),QL)；W为信息衰减系数，linspace为等分函数；QL为队列长度；fi(x)为概率密度函数；步骤3：使用高斯液面函数生成的随机参数值xcompare，并与已有最优参数xbest分别作为负荷预测算法的参数，进行负荷预测计算，使用xcompare计算得到的预测结果ycompare作为比对结果，使用xbest计算得到的预测结果ybest作为输出结果；步骤4：测量得到预测时刻的真实值yreal后，分别采用相同的评价标准对比对结果和输出结果进行评价，若比对结果优于输出结果，则将步骤3中高斯液面函数生成的随机参数值xcompare设置为最优参数xbest；若输出结果优于比对结果，则不做处理；步骤5：根据判定条件对高斯液面收敛进行判定，若高斯液面已收敛，执行步骤6；否，则执行步骤7；步骤6：初始化高斯液面，即将期望队列QE与方差队列QD中的元素设置为初始值，同时，已有最优参数xbest保留；步骤7：用xcompare更新期望队列QE，用ycompare的评价值更新方差队列QD；步骤8：进入下一时刻的高斯液面法参数寻优与负荷预测。2.根据权利要求1...

【专利技术属性】
技术研发人员：刘念，张清鑫，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：