專利名稱：基于高斯液面法的負(fù)荷預(yù)測算法的參數(shù)尋優(yōu)方法
基于高斯液面法的負(fù)荷預(yù)測算法的參數(shù)尋優(yōu)方法技術(shù)領(lǐng)域
本發(fā)明屬于電力系負(fù)荷預(yù)測領(lǐng)域，尤其涉及一種基于高斯液面法的負(fù)荷預(yù)測算法 的參數(shù)尋優(yōu)方法。
背景技術(shù)：
超短期負(fù)荷預(yù)測是能量管理系統(tǒng)中的重要一環(huán)，需要進(jìn)行步長為5分鐘至I小時(shí) 的在線實(shí)時(shí)負(fù)荷預(yù)測，預(yù)測結(jié)果主要用于系統(tǒng)經(jīng)濟(jì)調(diào)度，預(yù)防性控制，自動發(fā)電控制的超 前控制等方面。同時(shí)，準(zhǔn)確的超短期負(fù)荷預(yù)測有助于提高微電網(wǎng)的運(yùn)行效率與可靠性。
如何實(shí)現(xiàn)負(fù)荷預(yù)測算法的參數(shù)尋優(yōu)，提高預(yù)測準(zhǔn)確率，是進(jìn)行超短期負(fù)荷預(yù)測關(guān) 鍵技術(shù)。目前國內(nèi)外已經(jīng)出現(xiàn)大量的參數(shù)尋優(yōu)算法用于負(fù)荷預(yù)測，但由于大都采用含種群 的尋優(yōu)方式，計(jì)算時(shí)間長，對快速變化的負(fù)荷特性適應(yīng)能力差，難以滿足超短期負(fù)荷預(yù)測要 求。發(fā)明內(nèi)容
針對背景技術(shù)中提到的目前電力系統(tǒng)中，超短期負(fù)荷預(yù)測算法在參數(shù)尋優(yōu)時(shí)間長 和對快速變化的負(fù)荷特性適應(yīng)能力差的問題，本發(fā)明提出了一種基于高斯液面法的負(fù)荷預(yù) 測算法的參數(shù)尋優(yōu)方法。
一種基于高斯液面法的負(fù)荷預(yù)測算法的參數(shù)尋優(yōu)方法，其特征在于，所述方法具 體包括以下步驟
步驟1:進(jìn)行高斯液面初始化；給定期望隊(duì)列QE與方差隊(duì)列QD的隊(duì)列長度QL，待 尋優(yōu)參數(shù)的維數(shù)N和參數(shù)取值范圍(IowB, upB)，同時(shí)，設(shè)定初始最優(yōu)參數(shù)Xbest作為負(fù)荷預(yù) 測算法的已有最優(yōu)參數(shù)；
步驟2 :基于期望隊(duì)列和方差隊(duì)列形成概率密度函數(shù)；并根據(jù)概率密度函數(shù)求得 高斯液面函數(shù)；
步驟3 :使用高斯液面函數(shù)生成的隨機(jī)參數(shù)值x_paM，并與已有最優(yōu)參數(shù)Xbest分別 作為負(fù)荷預(yù)測算法的參數(shù)，進(jìn)行負(fù)荷預(yù)測計(jì)算，使用計(jì)算得到的預(yù)測結(jié)果y_paM作為 比對結(jié)果，使用Xbest計(jì)算得到的預(yù)測結(jié)果ybest作為輸出結(jié)果；
步驟4 :測量得到預(yù)測時(shí)刻的真實(shí)值yreal后，分別采用相同的評價(jià)標(biāo)準(zhǔn)對預(yù)測結(jié)果 和輸出結(jié)果進(jìn)行評價(jià)，若比對結(jié)果優(yōu)于輸出結(jié)果，則將步驟3中高斯液面函數(shù)生成的隨機(jī) 參數(shù)值設(shè)置為最優(yōu)參數(shù)Xbest ;若輸出結(jié)果優(yōu)于比對結(jié)果，則不做處理；
步驟5 :根據(jù)判定條件對高斯液面收斂進(jìn)行判定，若高斯液面已收斂，執(zhí)行步驟6 ； 否，則執(zhí)行步驟7;
步驟6 :初始化高斯液面，即將期望隊(duì)列QE與方差隊(duì)列QD中的元素設(shè)置為初始 值，同時(shí)，已有最優(yōu)參數(shù)Xbest保留；
步驟7 :用Xcompare更新期望隊(duì)列QEj yrampam的評價(jià)值更新方差隊(duì)列QD ；
步驟8 :進(jìn)入下一時(shí)刻的高斯液面法參數(shù)尋優(yōu)與負(fù)荷預(yù)測。
所述概率密度函數(shù)為
權(quán)利要求
1.一種基于高斯液面法的負(fù)荷預(yù)測算法的參數(shù)尋優(yōu)方法，其特征在于，所述算法具體包括以下步驟 步驟1:進(jìn)行高斯液面初始化；給定期望隊(duì)列QE與方差隊(duì)列QD的隊(duì)列長度QL，待尋優(yōu)參數(shù)的維數(shù)N和參數(shù)取值范圍(IowB, upB),同時(shí)，設(shè)定初始最優(yōu)參數(shù)Xbest作為負(fù)荷預(yù)測算法的已有最優(yōu)參數(shù)； 步驟2 :基于期望隊(duì)列和方差隊(duì)列形成概率密度函數(shù)；并根據(jù)概率密度函數(shù)求得高斯液面函數(shù)； 步驟3 :使用高斯液面函數(shù)生成的隨機(jī)參數(shù)值x_paM，并與已有最優(yōu)參數(shù)Xbest分別作為負(fù)荷預(yù)測算法的參數(shù)，進(jìn)行負(fù)荷預(yù)測計(jì)算，使用x_paM計(jì)算得到的預(yù)測結(jié)果作為比對結(jié)果，使用Xbest計(jì)算得到的預(yù)測結(jié)果ybest作為輸出結(jié)果； 步驟4:測量得到預(yù)測時(shí)刻的真實(shí)值yMal后，分別采用相同的評價(jià)標(biāo)準(zhǔn)對預(yù)測結(jié)果和輸出結(jié)果進(jìn)行評價(jià)，若比對結(jié)果優(yōu)于輸出結(jié)果，則將步驟3中高斯液面函數(shù)生成的隨機(jī)參數(shù)值設(shè)置為最優(yōu)參數(shù)Xbest ;若輸出結(jié)果優(yōu)于比對結(jié)果，則不做處理； 步驟5 :根據(jù)判定條件對高斯液面收斂進(jìn)行判定，若高斯液面已收斂，執(zhí)行步驟6 ;否，則執(zhí)行步驟7 ； 步驟6 :初始化高斯液面，即將期望隊(duì)列QE與方差隊(duì)列QD中的元素設(shè)置為初始值，同時(shí)，已有最優(yōu)參數(shù)Xbest保留； 步驟7 :用XeofflPare更新期望隊(duì)列QEj y_pme的評價(jià)值更新方差隊(duì)列QD ； 步驟8 :進(jìn)入下一時(shí)刻的高斯液面法參數(shù)尋優(yōu)與負(fù)荷預(yù)測。
2.根據(jù)權(quán)利要求1所述的一種基于高斯液面法的負(fù)荷預(yù)測算法的參數(shù)尋優(yōu)方法，其特征在于，所述概率密度函數(shù)為
3.根據(jù)權(quán)利要求1所述的一種基于高斯液面法的負(fù)荷預(yù)測算法的參數(shù)尋優(yōu)方法，其特征在于，所述高斯液面函數(shù)為
4.根據(jù)權(quán)利要求1所述的一種基于高斯液面法的負(fù)荷預(yù)測算法的參數(shù)尋優(yōu)方法，其特征在于，所述負(fù)荷預(yù)測算法包括ELM算法、SVM算法或BP神經(jīng)網(wǎng)絡(luò)算法。
5.根據(jù)權(quán)利要求1所述的一種基于高斯液面法的負(fù)荷預(yù)測算法的參數(shù)尋優(yōu)方法，其特征在于，所述判定條件為第t次高斯液面生成隨機(jī)參數(shù)值與第t-Ι次生成隨機(jī)參數(shù)值之差的絕對值小于1X10_3。
6.根據(jù)權(quán)利要求1所述的ー種基于高斯液面法的負(fù)荷預(yù)測算法的參數(shù)尋優(yōu)方法，其特征在于，所述預(yù)測結(jié)果評價(jià)的標(biāo)準(zhǔn)包括相對誤差、絕對誤差或均方根誤差。
7.根據(jù)權(quán)利要求6所述的ー種基于高斯液面法的負(fù)荷預(yù)測算法的參數(shù)尋優(yōu)方法，其特征在于，所述對預(yù)測結(jié)果和輸出結(jié)果進(jìn)行評價(jià)的過程為 a :計(jì)算比對結(jié)果和預(yù)測時(shí)刻的真實(shí)值的相對誤差、絕對誤差或均方根誤差；b :計(jì)算輸出結(jié)果和預(yù)測時(shí)刻的真實(shí)值的相對誤差、絕對誤差或均方根誤差；c :如果比對結(jié)果計(jì)算出的誤差比輸出結(jié)果計(jì)算出的誤差小，則比對結(jié)果優(yōu)于輸出結(jié)果；否則，則輸出結(jié)果優(yōu)于比對結(jié)果。
8.根據(jù)權(quán)利要求1所述的ー種基于高斯液面法的負(fù)荷預(yù)測算法的參數(shù)尋優(yōu)方法，其特征在于，所述評價(jià)值的計(jì)算方法為QDi=Cliag (exp (Xi) (upB -1owB)) 其中，diag (A)是將A這ー個向量擴(kuò)展成對角陣；A代表exp (Xi) (upB -1owB) ；exp(…)為指數(shù)函數(shù)Xf為第i次預(yù)測得到的相對誤差、絕對誤差或均方根誤差。
全文摘要
本發(fā)明公開了電力系負(fù)荷預(yù)測領(lǐng)域的一種基于高斯液面法的負(fù)荷預(yù)測算法的參數(shù)尋優(yōu)方法。其技術(shù)方案是，首先初始化高斯液面，即隊(duì)列長度，維數(shù)、范圍等參數(shù)；然后通過高斯液面生成隨機(jī)參數(shù)并進(jìn)行負(fù)荷預(yù)測計(jì)算；評價(jià)隨機(jī)參數(shù)對應(yīng)的比對結(jié)果與最優(yōu)參數(shù)對應(yīng)的輸出結(jié)果，確定是否更新最優(yōu)參數(shù)；最后判定該高斯液面是否已收斂，進(jìn)行高斯液面參數(shù)更新或高斯液面初始化，并進(jìn)入下一個時(shí)刻的負(fù)荷預(yù)測。本發(fā)明提出的用于參數(shù)尋優(yōu)方法，以伴隨負(fù)荷預(yù)測過程不斷更新的高斯液面，作為生成隨機(jī)參數(shù)的概率密度函數(shù)，概念明確，思路清晰，計(jì)算量小，能實(shí)現(xiàn)電力系統(tǒng)超短期負(fù)荷預(yù)測算法的參數(shù)優(yōu)選與預(yù)測精度提升。
文檔編號G06Q50/06GK103049803SQ201310009610
公開日2013年4月17日 申請日期2013年1月10日 優(yōu)先權(quán)日2013年1月10日
發(fā)明者劉念, 張清鑫 申請人:華北電力大學(xué)