一种基于智能算法优化组合的电网负荷率预测方法
【技术领域】
[0001] 本发明属于电网负荷率预测技术领域，特别是涉及一种基于智能算法优化组合的 电网负荷率预测方法。
【背景技术】
[0002] 负荷率是电力生产能力利用程度的指标。2003年国家《销售电价改革方案》中就 提出了根据用户负荷特性进行电价改革的设想。2012年国家开始研宄制定考虑负荷率因素 的销售电价即负荷率电价实施办法，以此推动电力工业和国民经济从粗放到集约发展的转 型。成本因素是制定电价的基础，根据用户负荷率分摊和计算不同用户的用电成本，是负荷 率电价实施的技术关键。基于此，负荷率的预测分析对于负荷率电价的合理制定和推广起 到了至关重要的作用。
[0003]然而，目前国内外对负荷率预测的研宄仍较少，但关于负荷预测的技术方法已经 相对成熟。在电力负荷预测方面，传统的负荷预测方法有回归预测模型、随机时间序列预测 模型、灰色预测模型、专家系统法等。考虑到负荷率自身受影响因素众多、各因素作用原理 不明等性质以及各种预测方法本身的局限性，传统的负荷预测方法很难达到准确预测的目 的。例如，回归预测模型是采用结构过于简单的线性模型去解决严重非线性的问题，无法详 尽描述负荷率的各种影响因素；随机时间序列预测模型在建模时过程复杂，对影响负荷率 变动的因素（如天气、经济等）的考虑也不全面；灰色预测模型的应用范围较小，用于长期 预测时误差容易扩大；专家系统法过分依赖规则，普适性较差。
[0004] 而一些人工智能算法如神经网络法、SVR、遗传算法等，跳过了对负荷率相关因素 内在作用原理的深宄，可以有效解决传统预测方法中存在的过简单化处理、遗漏影响因 素、普适性差等问题。而人工智能算法普遍存在算法参数多依据主观经验确定，缺少适当的 理论指导的新问题。为了解决此问题，需要以缩小预测误差为目标，对相关不同人工智能方 法的预测结果进行合理的优化组合。
【发明内容】
[0005] 为了解决上述问题，本发明的目的在于提供一种基于智能算法优化组合的电网负 荷率预测方法。
[0006] 为了达到上述目的，本发明提供的基于智能算法优化组合的电网负荷率预测方法 包括：基于智能算法优化组合的电网负荷率预测方法包括按顺序执行的下列步骤：
[0007]第一步：对可能对负荷率造成影响的因素进行梳理，每个因素所采用的时间序列 样本数至少在10个以上；
[0008] 第二步：对上述序列因素利用归一化处理公式进行归一化处理，以消除量纲对预 测的影响：将以上基础数据进行归一化到区间[0，1]，如果数据本身即在区间[0，1]内则跳 过此步骤，如负荷率本身则不需进行处理；
[0009] 第三步：采用包括RBF神经网络、GRNN神经网络、SVR在内的不同预测算法分别进 行负荷率预测，得到预测结果；
[0010] 第四步：经过逆向还原将上述预测结果处理为正常量纲下的数据：
[0011] 第五步：以平均绝对百分误差MAPE作为适应度函数，基于遗传算法对不同预测算 法下的预测结果进行优化组合，找到不同预测结果的权重，进一步缩小误差，最终得到最佳 预测结果。
[0012] 在第三步中，所述的归一化处理公式如下： _3]
【主权项】
1. 一种基于智能算法优化组合的电网负荷率预测方法，其特征在于：所述的基于智能 算法优化组合的电网负荷率预测方法包括按顺序执行的下列步骤： 第一步：对可能对负荷率造成影响的因素进行梳理，每个因素所采用的时间序列样本 数至少在10个以上； 第二步：对上述序列因素利用归一化处理公式进行归一化处理，以消除量纲对预测的 影响：将以上基础数据进行归一化到区间[〇，1]，如果数据本身即在区间[〇，1]内则跳过此 步骤，如负荷率本身则不需进行处理； 第三步：采用包括RBF神经网络、GRNN神经网络、SVR在内的不同预测算法分别进行负 荷率预测，得到预测结果； 第四步：经过逆向还原将上述预测结果处理为正常量纲下的数据： 第五步：以平均绝对百分误差MAPE作为适应度函数，基于遗传算法对不同预测算法下 的预测结果进行优化组合，找到不同预测结果的权重，进一步缩小误差，最终得到最佳预测 结果。
2. 根据权利要求1所述的基于智能算法优化组合的电网负荷率预测方法，其特征在 于：在第三步中，所述的归一化处理公式如下：
其中，x为处理前数值，y为处理后数值，其中X_、Xmin分别为该项数据的最大值和最小 值。
3. 根据权利要求1所述的基于智能算法优化组合的电网负荷率预测方法，其特征在 于：在第五步中，所述的以平均绝对百分误差MAPE作为适应度函数，基于遗传算法对不同 预测算法下的预测结果进行优化组合，找到不同预测结果的权重，进一步缩小误差，最终得 到最佳预测结果的方法是采用如下的组合预测数学模型：
其中，yit(i= 1，2,. ..，k;t= 1，2,. . .，n)为第i种预测方法在t时刻的预测值，WiS第i种预测方法的权系数。
【专利摘要】一种基于智能算法优化组合的电网负荷率预测方法。本发明首先基于Granger检验等手段在不遗漏信息的情况下筛选留下大量与负荷率存在关系的因素，保证负荷率相关因素分析的准确性和负荷率预测的精度。在进行负荷率预测时，考虑RBF神经网络、GRNN神经网络、SVR等智能算法，充分发挥智能算法遗漏信息少、不深究内部关系、预测精度高等相对传统预测方法的优势，并运用遗传算法对多种预测结果进行优化组合以进一步提高预测精度。该方法可用于电网系统或者大工业用户、居民用户等分类用户的年负荷率预测，为负荷率电价的有关研究提供一定的理论支撑。
【IPC分类】G06Q50-06, G06Q10-04
【公开号】CN104573857
【申请号】CN201410826498
【发明人】王学军, 张军, 张振高, 李慧, 刘艳霞, 何永秀, 李大成, 张吉祥
【申请人】国家电网公司, 国网天津市电力公司, 华北电力大学
【公开日】2015年4月29日
【申请日】2014年12月26日