一种布谷鸟搜索算法改进支持向量机的电力负荷预测方法
【专利摘要】本发明公开了一种布谷鸟搜索算法改进支持向量机的电力负荷预测方法，包括以下步骤，步骤一，选取训练数据；步骤二，建立优化目标；步骤三，布谷鸟搜索算法初始化设置；步骤四，初始适应值计算；步骤五，新鸟窝位置计算；步骤六，鸟窝位置的选择；步骤七，判断宿主鸟是否发现外来鸟蛋；步骤八，判断是否达到最大迭代次数，若是，输出最优结果并退出，否则转至步骤五。本发明通过布谷鸟搜索算法优化了SVM的参数，提高了电力系统负荷预测的精度，相较与现有的网格搜索方法寻优能力更强，收敛速度更快，更适用于优化SVM的参数。
【专利说明】一种布谷鸟搜索算法改进支持向量机的电力负荷预测方法
【技术领域】
[0001] 本发明涉及一种布谷鸟搜索算法改进支持向量机的电力负荷预测方法，属于电力 系统运行分析【技术领域】。
【背景技术】
[0002] 电力系统负荷预测是在已知历史负荷需求以及历史时期气象、经济等因素的前提 下，对未来的负荷状况进行预测。负荷预测是电网调度部门安排调度计划的重要依据，预测 精度的提高有利于安排更为经济合理的运行方式，减少不必要的旋转备用容量，有效降低 电力系统的运行成本。
[0003] 支持向量机（supportvectormachine,SVM)是一种基于结构风险最小化原理的 机器学习技术，具有较好的泛化学习能力，目前广泛应用于处理时间序列问题，不少专家和 学者也将其应用于负荷预测。但SVM的预测精度与其自身的惩罚因子和核参数设定有着很 大的关系，因此负荷预测领域的专家学者提出了采用网格搜索方法优化SVM的参数，取得 了 一定的成功。
[0004] 布谷鸟搜索（cuckoosearch,CS)算法是一种受布谷鸟的巢寄生繁殖机理和莱维 飞行（Lvyflights)搜索原理启发而产生的启发式算法。CS算法的参数少而简单，仅需要 设定种群大小和宿主鸟发现外来鸟蛋概率两个参数，因而通用性较强，可控性较好；搜索过 程中引入了莱维飞行机制，使局部搜索和全局搜索能力得到了均衡。研究成果表明，CS算 法寻优能力强，收敛速度快，适合用于优化SVM的参数。
【发明内容】
[0005] 为了解决上述技术问题，本发明提供了一种布谷鸟搜索算法改进支持向量机的电 力负荷预测方法，提高了电力系统负荷预测的精度。
[0006] 为了解决上述技术问题，本发明所采用的技术方案是：
[0007] -种布谷鸟搜索算法改进支持向量机的电力负荷预测方法，包括以下步骤，
[0008] 步骤一，选取训练数据；
[0009] 从历史数据中选取与所需预测时段的条件相似的数据作为训练集；
[0010] 步骤二，建立优化目标；
[0011] 以SVM输出的均方误差为优化目标，建立如下表达式，
[0012]
【权利要求】
1. 一种布谷鸟搜索算法改进支持向量机的电力负荷预测方法，其特征在于：包括以下 步骤， 步骤一，选取训练数据； 从历史数据中选取与所需预测时段的条件相似的数据作为训练集； 步骤二，建立优化目标； 以SVM输出的均方误差为优化目标，建立如下表达式，
其中，η为样本数，I为第r个样本的SVM的输出值，为第r个样本的实际值，fBE 为SVM输出的均方误差，而min.前缀表示对该变量进行最小值寻优； 步骤三，布谷鸟搜索算法初始化设置； 定义初始化鸟窝个数为m，迭代次数为K，宿主鸟发现外来鸟蛋的概率pa，随机生成m个 初始鸟窝X=[X1,…，义丄其中，ie [l，m]，Xi为第i个鸟窝的位置，Xi=[χη，…，xiD]，D 为单个样本的维数； 步骤四，初始适应值计算； 以SVM输出的均方误差为优化目标，计算每个鸟窝的初始适应值，将所有初始适应值 一对一比较，得到并记录初始适应值最优的鸟窝位置； 步骤五，新鸟窝位置计算； 在布谷鸟搜索算法中引入最优解记忆，使布谷鸟每次飞行都以最优解位置作为参考， 鸟窝位置更新公式为，
(Jc) 其中，ke[1，Κ-1]，7为第i个鸟窝第k次迭代得到的位置，x(k+l) 为第i个鸟窝第k+i次迭代得到的位置，为第i个鸟窝位置的更新值， =0.01X randX sX ，rand为 〇?1的随机数，为第i个 鸟窝第k次迭代后适应值最优的鸟窝位置，S为莱维飞行距离； 步骤六，鸟窝位置的选择； 计算当前鸟窝的适应值，与上一代鸟窝的适应值进行比较，择优保留，并更新最优鸟窝 位置； 择优保留公式如下：
其中：为第i个鸟窝第k次迭代得到的适应值，为第i个鸟窝 第k+Ι次迭代得到的适应值； 步骤七，判断宿主鸟是否发现外来鸟蛋； 生成O?1之间的随机数r，与宿主鸟发现外来鸟蛋的概率pa进行比较，若r<pa，则 认为宿主鸟发现外来鸟蛋，重新随机生成该鸟窝的位置；当r>pa，则保留所有鸟窝，进入 步骤八； 步骤八，判断是否达到最大迭代次数，若是，输出最优结果并退出，否则转至步骤五。
2. 根据权利要求1所述的一种布谷鸟搜索算法改进支持向量机的电力负荷预测方法， 其特征在于：步骤一中的条件包括气象条件、工作状态和日期时间。
3. 根据权利要求1所述的一种布谷鸟搜索算法改进支持向量机的电力负荷预测方法， 其特征在于：所述莱维飞行距离的表达式为，
其中，β为常数^和u用于模拟莱维飞行，满足标准正态分布。
【文档编号】G06Q10/04GK104318329SQ201410557450
【公开日】2015年1月28日 申请日期:2014年10月20日 优先权日:2014年10月20日
【发明者】郑海雁, 金农, 顾国栋, 丁晓, 孔珍宝, 吴钢, 徐金玲, 金璐, 熊政, 方超, 仲春林, 李昆明, 李新家, 尹飞, 季聪 申请人:国家电网公司, 江苏省电力公司, 江苏方天电力技术有限公司, 江苏省电力公司南京供电公司