基于改进鲸鱼优化算法的短期电力负荷预测方法

本发明涉及电力负荷预测，具体为基于改进鲸鱼优化算法的短期电力负荷预测方法。

背景技术：

1、负荷预测的准确与否关系到社会的生产生活秩序是否能够正常进行，对于电力企业而言，相对较高的负荷预测准确性能够有效地降低发电成本，提高企业的经济效益。在目前的社会发展情况下，要想提高短期负荷预测的水平，要从影响负荷预测的因素上以及与时俱进地选用预测方法上下功夫。随着国家电网公司提出智能电网以及数字电网，社会上各主要企业都在进行数字化转型，各种影响负荷预测数据的相对容易获取为采用更加先进、复杂的多因素预测方法提供了基础，bp神经网络就是当下热点的方向之一。

2、现有技术中，如中国专利号为：cn105825040a的“短期电力负荷预测方法”，方法包括：采用小波阈值处理法将获取的原始负荷数据进行噪声处理；以处理后的原始负荷数据以及获取的天气特征数据作为输入，建立多变量的灰色动态模型，灰色动态模型的输出为负荷数据序列；将该负荷数据序列与原始负荷数据的序列构成一个误差序列。

3、由于我国地市级规模都比较大，同时储能项目不能马上承接这么大规模的电量，电力行业依然具有即发即用不能大量存贮的问题，因此，准确的负荷预测尤为重要，当预测结果偏差较大时，按计划多发的电力会被弃掉，造成社会资源的浪费，但是当按计划发电量不够时，会造成社会大量缺电，给社会生产和人民生活带来很大的负面影响；

4、对于当今日趋复杂的电力负荷需求及变化形式以及快速发展的电网结构，加之外界因素干扰十分复杂，例如多次极端天气，单纯使用传统经典的神经网络对电网进行短期负荷预测虽然在绝大多数时间内虽能取得不错的预测效果，但在某些非常规时期难以得到精确的结果，甚至是完全错误的结论。

5、所以我们提出了基于改进鲸鱼优化算法的短期电力负荷预测方法，以便于解决上述中提出的问题。

技术实现思路

1、本发明的目的在于提供基于改进鲸鱼优化算法的短期电力负荷预测方法，以解决上述背景技术提出的当今日趋复杂的电力负荷需求及变化形式以及快速发展的电网结构，加之外界因素干扰十分复杂，例如多次极端天气，单纯使用传统经典的神经网络对电网进行短期负荷预测虽然在绝大多数时间内虽能取得不错的预测效果，但在某些非常规时期难以得到精确的结果，甚至是完全错误的结论的问题。

2、为实现上述目的，本发明提供如下技术方案：基于改进鲸鱼优化算法的短期电力负荷预测方法，包括以下步骤：

3、s1、电力系统负荷分类以及特性分析：采用分类方式将电力系统负荷进行分类，并对电力负荷特点进行预测，所述分类方式包括时间分类、行业分类和特性分类；

4、s2、负荷预测的误差分析：根据电力系统的行业分类特性，分析误差形成的原因；

5、s3、鲸鱼优化算法的改进：将鲸鱼群捕食时的三个过程的寻优方法应用于神经网络训练；

6、s4、计算误差和分析误差：将所述鲸鱼优化算法输出的预测值与实际值对比分析，以及计算出相对误差和相对误差。

7、优选的，在步骤s1中，所述时间分类划分为长期、中期、短期和超短期，分析不同时间类型的预测意义。

8、优选的，在步骤s1中，所述行业分类划分为工业、商业、民用和农村，根据不同行业类别分别的不同行业的规律和特征。

9、优选的，在步骤s1中，所述特性分类划分为最高负载、最低负载、平均负载、峰谷差、峰值平均、谷值平均、平段平均、网供、母线、负载率，然后，总结电力负荷预测特点。

10、优选的，在步骤s2中，所述误差形成的原因是对不同类型的电力负荷剖析，以及根据不同的特征进行原因剖析。

11、优选的，在步骤s3中，将鲸鱼群捕食时的三个过程的寻优方法应用于神经网络训练包括以下内容：

12、s30、随机初始化鲸鱼群位置，使其为神经网络的权值和阈值；

13、s31、计算鲸鱼适应度值；

14、s32、根据比较得出个体和群体最优适应度值；

15、s33、更新鲸鱼群位置，增加一次迭代次数；

16、s34、得出最优连接权值，进行预测。

17、优选的，在步骤s33中，若判断权值和阈值符合终止条件，则将数值倒入步骤s34中，若判断权值和阈值不符合终止条件，则重新继续步骤s33。

18、优选的，在步骤s34中，运用改进优化鲸鱼群算法优化bp神经网络的权值和阈值进行优化选择，然后输出的预测值。

19、优选的，在步骤s4中，所述绝对误差公式如下所示：

20、ae＝pmd-ppd；

21、其中，ae代表绝对误差，pmd代表实际值，ppd代表预测值。

22、优选的，在步骤s4中，所述相对误差公式如下所示：

23、

24、其中，re代表绝对误差，pmd代表实际值，ppd代表预测值。

25、与现有技术相比，本发明的有益效果是：

26、本方法中利用绝对误差公式计算出绝对误差，接着利用相对误差公式计算出相对误差，此时相对误差是可以通过实际值反映预测精度，将得到的预测值与实际值进行比较，更加直观了解到对比结果和分析结果，可以改善供需侧电能平衡关系以及提高设备利用率，还可以增加经济效益；

27、同时，基于鲸鱼群猎食寻优算法，采用鲸鱼群猎食寻优算法与神经网络预测模型相结合的改进方法，其预测性能得到了显著提升，改进算法中误差处于标准误差区间中波动，平均相对误差的平均值为符合标准，精度的提高对调度运行、机组启停都有很好的参考，且对经验依赖性小，受外界突发干扰因素扰动小的优点，具备更强的普适性。

技术特征：

1.基于改进鲸鱼优化算法的短期电力负荷预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于改进鲸鱼优化算法的短期电力负荷预测方法，其特征在于，在步骤s1中，所述时间分类划分为长期、中期、短期和超短期，分析不同时间类型的预测意义。

3.根据权利要求1所述的基于改进鲸鱼优化算法的短期电力负荷预测方法，其特征在于，在步骤s1中，所述行业分类划分为工业、商业、民用和农村，根据不同行业类别分别的不同行业的规律和特征。

4.根据权利要求1所述的基于改进鲸鱼优化算法的短期电力负荷预测方法，其特征在于，在步骤s1中，所述特性分类划分为最高负载、最低负载、平均负载、峰谷差、峰值平均、谷值平均、平段平均、网供、母线、负载率，然后，总结电力负荷预测特点。

5.根据权利要求1所述的基于改进鲸鱼优化算法的短期电力负荷预测方法，其特征在于，在步骤s2中，所述误差形成的原因是对不同类型的电力负荷剖析，以及根据不同的特征进行原因剖析。

6.根据权利要求1所述的基于改进鲸鱼优化算法的短期电力负荷预测方法，其特征在于，在步骤s3中，将鲸鱼群捕食时的三个过程的寻优方法应用于神经网络训练包括以下内容：

7.根据权利要求6所述的基于改进鲸鱼优化算法的短期电力负荷预测方法，其特征在于，在步骤s33中，若判断权值和阈值符合终止条件，则将数值倒入步骤s34中，若判断权值和阈值不符合终止条件，则重新继续步骤s33。

8.根据权利要求6所述的基于改进鲸鱼优化算法的短期电力负荷预测方法，其特征在于，在步骤s34中，运用改进优化鲸鱼群算法优化bp神经网络的权值和阈值进行优化选择，然后输出的预测值。

9.根据权利要求1所述的基于改进鲸鱼优化算法的短期电力负荷预测方法，其特征在于，在步骤s4中，所述绝对误差公式如下所示：

10.根据权利要求1所述的基于改进鲸鱼优化算法的短期电力负荷预测方法，其特征在于，在步骤s4中，所述相对误差公式如下所示：

技术总结
本发明公开了基于改进鲸鱼优化算法的短期电力负荷预测方法，包括S1、电力系统负荷分类以及特性分析：采用分类方式将电力系统负荷进行分类，并对电力负荷特点进行预测，所述分类方式包括时间分类、行业分类和特性分类；S2、负荷预测的误差分析：根据电力系统的行业分类特性，分析误差形成的原因；S3、鲸鱼优化算法的改进。本发明利用绝对误差公式计算出绝对误差，接着利用相对误差公式计算出相对误差，此时相对误差是可以通过实际值反映预测精度，将得到的预测值与实际值进行比较，更加直观了解到对比结果和分析结果，可以改善供需侧电能平衡关系以及提高设备利用率，还可以增加经济效益。

技术研发人员：陈金龙
受保护的技术使用者：上海电机学院
技术研发日：
技术公布日：2024/1/15