~M)个粒子的 初始位置表示为Xi=(X ilJXi2JXi3JXi4JXi5JXi6?Xi7?Xi8?Xi9?Xil〇JXilUXil2 )，初始速度为Vi=(V n，vi2,vi3,vi4,vi5,vi6,vi7,vi8,vi9,vn。，vin,vil2)，设定粒子迭代次数、加速常数CnC2、粒子速 度限制[_Vmax，Vmin]，每个粒子的最优位置用pbe3t表示，所有粒子最优位置用gbest表示；
[0134] (42)计算粒子适应度
[0135] 421)定义i= 1~M，i为正整数，i的初始值为1;
[0136] 422)用第i粒子的当前位置参数xn~xil2代替变电站站用负荷电量潜在影响因 素分解因子c'w~c'12，由式（5)得到改进最小二乘法的影响因素矩阵V，由下式经 典最小二乘法的求解公式可求得变电站站用负荷电量各影响因素系数列X/:
[0137]
[0138] 可得变电站站用负荷电量的预测值为：
[0139]
[0140] 423)将变电站站用负荷电量的预测误差平方和作为粒子的适应度，第i个粒子的 适应度为：
[0141]
[0142] 424)判断i是否等于M，是则进入下一步，否则i=i+1，返回步骤2);
[0143] (43)更新个体和全局最优值：分别将每个粒子的当前适应度与它的个体最优值 pbest及全局最优值gbest比较，如果当前值优于pbest，则pbest更新为当前值，否则保持不变；如 果当前值优于gbest比较，则gbest更新为当前值，否则保持不变；
[0144] (44)更新位置和速度：首先按照式（11)更新粒子最大最小速度；其次判断粒子速 度是否位于速度限制[-Vmax，Vmin]范围内，是则按照式（12) (13)更新粒子的速度、位置； 否则按照最大速度限制更新位置；
[0145；
[0146] 对于每一个粒子，其第d维（1彡d彡12)速度vid、位置xid更新公式如下：
[0147] vidk+1=viZ+CiXrandiX(pbest-xidk)+c2Xrand2X(gbest-xidk) (12)
[0148] Xidk+1=xidk+vidk+1 (13)
[0149] 其中(^和c2是两个加速常数，randprand2是在[0,1]范围内取值的随机函数；
[0150] (45)终止条件判定：检查是否达到迭代次数或者适应度值已收敛，是则计算结束 并输出最优粒子的位置参数和变电站站用负荷电量各影响因素系数列X';否则返回步骤 (52)继续计算。
[0151] 得到变电站站用负荷电量的回归方程的具体步骤如下：
[0152] (51)分别用13」、六1」、六2」、六3」、六 4」、六5」、六6」、1'1」、1'2」、1' 3」、1'4」表不变电站站用负荷电量、 输送电量、llOkV母线输出电量、lOkV母线有功电量、lOkV母线无功电量、线路电量、电容电 量，月最高温度、月最低温度、月平均最高温度和月平均最低温度的第j(j=1~12)个月 的值；
[0153] (52)用求解改进最小二乘法方程组得到的最优粒子的位置参数Xl~x12代替变电 站站用负荷电量潜在影响因素分解因子c'w~c' 12，得到变电站站用负荷电量潜在影响 因素分解因子矩阵C'，由各影响因素系数列X'的第一行获取潜在影响因素分解系数X(l; 则变电站站用负荷电量各月份的潜在影响因素C可式（4)求得
[0154] (53)建立变电站站用负荷电量的回归方程如下：
[0155] Bj=xAj+x^j. ? ? +叉6八印+叉71^+叉8!^. ? ? +x10T4j+Cj(j= 1 ~12) (14)
[0156] 上述的基于改进最小二乘法的变电站站用负荷电量预测方法中，步骤（5)所述利 用相对误差民、均方误差E和可决系数R2评价所建模型的性能，相对误差E^均方误差E和 可决系数R2采用如下公式计算：
[0157]
[0158]
[0159]
[0160] L为测试集样本个数，bp/),(i= 1，2. . .L)分别是第i个测试样本的站用负荷电 量的实际值和预测值，其中相对误差民和均方误差E越小，可决系数R2越接近1，则模型的 预测性能越优，泛化能力越好。
[0161] S6.变电站站用负荷电量预测。依据上步建立的基于改进最小二乘法的变电站站 用负荷电量回归方程，输入测试集的相应影响因素值进行变电站站用负荷电量的预测，并 依据预测结果的相对误差民、均方误差E和可决系数R2评价所建回归方程的性能。
[0162] 下面结合具体变电站的实际数据作进一步的说明
[0163] (1)建立训练样本集和测试样本集
[0164] 以某220kV变电站为例，获取该变电站2008~2014年每年1~12月份的站用 负荷电量、输送电量、llOkV母线输出电量、10kV母线有功电量、10kV母线无功电量、线路 电量、电容电量、月最高温度、月最低温度、月平均最高温度、月平均最低温度的数据；以 2008~2013各月份数值共72个样本作为训练样本集，以2014年各月份数值共12个样本 作为测试集；
[0165] (2)建立改进最小二乘法方程组并求解
[0166] 建立该变电站站用负荷电量的改进最小二乘法方程组如下：
[0167] A，X，=B (7)
[0168] 其中
[0169] X[xqX2X3XgXgXgx^qJ (6)
[0170] 在12维空间随机生成30个粒子，设定粒子迭代次数200次、加速常数C1=C2 = 2,粒子最大速度限制[-2,2]，按照上述粒子群算法求解改进最小二乘法方程组的步骤可得 到：
[0171] 各影响因素系数列X':
[0172] X' = [14. 4697, -0? 0051，0? 0052,0? 0052,0?0002, -0? 0003, -0? 0054, -0? 1077， 0. 1174,0. 0872, -0.0473]；
[0173] 粒子最优位置参数，即潜在影响因素分解因子C':
[0174] C- [c 01 c 02 c03 C04C05C 06 C07C 08 C09C 10 C 11 c'12]r = [0. 338522,0. 354931,0. 349257,0. 327123,0. 44252,0. 480017,0. 441175, 0?447892,0?440923,0? 410664,0? 377636,0? 332811]' ；
[0175] 变电站站用负荷电量各月份的潜在影响因素C:
[0176]C-XgC- [c01 Cg2 Cg3 C04 Cgg Cgg Cgy Cgg Cgg Cjg Cjj C^] -[4. 89831,5. 135744, 5.053647,4.733375,6.403127,6.945698,6. 383672,6. 480866,6. 380019,5. 942191, 5. 464279,4. 815681] ' ；
[0177] (3)建立变电站站用负荷电量的回归方程
[0178] 分别用Y」、Ai」、A2」、A3j、A4j、A5j、A6j、」、T2j、T3j、T4j表不变电站站用负荷电量、输送 电量、110kV母线输出电量、10kV母线有功电量、10kV母线无功电量、线路电量、电容电量， 月最高温度、月最低温度、月平均最高温度和月平均最低温度的第j(j=1~12)个月的 值，则建立t与各影响因素的回归方程如下：
[0179] Yj= -0? 0051*Au+0. 0052*A2J+0. 0052*A3J+0. 0002*A4j+(-0. 0003) *A5J
[0180] +(-0? 0054) *A6J+(-0. 1077) *1^+0. 1174*T2J+0. 0872*T3J+(-0. 0473) *T4j+Cj
[0181] (4)变电站站用负荷电量预测
[0182] 将测试集1~12月份的各影响因素值分别代入上述基于改进最小二乘法建立的 变电站站用负荷电量的回归方程，得到变电站各月份站用负荷电量的预测值，并可求出预 测相对误差、均方误差和可决系数。表1是测试集的变电站各月份站用负荷电量及其影响 因素值。
[0183] 表1测试集的变电站各月份站用负荷电量及其影响因素值
[0184] 单位：万kWh;°C
[0185]
[0187] 图3是基于改进最小二乘法的变电站站用负荷电量预测值和实际值的对比图，图 4是站用负荷电量预测相对误差民分布图；可以看到基于改进最小二乘法的变电站站用负 荷电量预测相对误差基本在3%以内，均方误差为0. 0211，可决系数达到0. 9924,表明所建 立的基于改进最小二乘法的变电站站用负荷电量预测模型具有较高的预测精度和非常好 的泛化能力。
[0188] 上述实施例为本