本發(fā)明涉及電力系統(tǒng)，特別是一種基于改進(jìn)gwo算法的短期電力負(fù)荷預(yù)測方法及系統(tǒng)。

背景技術(shù)：

1、電力負(fù)荷預(yù)測是電力系統(tǒng)規(guī)劃和電網(wǎng)運(yùn)行的重要內(nèi)容、前提和基礎(chǔ)，其預(yù)測方法主要是從已知的經(jīng)濟(jì)、社會發(fā)展和電力需求情況出發(fā)，通過對歷史數(shù)據(jù)的分析和研究，以未來年份經(jīng)濟(jì)、社會發(fā)展情況為依據(jù)，對電力需求做出預(yù)先的估計(jì)。因此電力負(fù)荷預(yù)測具有極為重要的意義。

2、由于電力系統(tǒng)是復(fù)雜大系統(tǒng)，且具有不確定、非線性、動態(tài)開放性，所以傳統(tǒng)的電力負(fù)荷預(yù)測方法(時(shí)間序列法、回歸分析法、灰色模型法、專家系統(tǒng)法等)難以精確的描述電力系統(tǒng)的復(fù)雜非線性特征，因而無法進(jìn)行更為精確的負(fù)荷預(yù)測。

3、目前，電力負(fù)荷預(yù)測取得了一定的成果，多是通過機(jī)器學(xué)習(xí)算法來進(jìn)行預(yù)測，如支持向量機(jī)(supportvectormachine，svm)，但是svm雖然具有不錯(cuò)的局部搜索能力，卻在全局所搜時(shí)存在穩(wěn)定性差、準(zhǔn)確率低的問題。因此，亟需一種新型的電力負(fù)荷預(yù)測方法，來提高電力負(fù)荷預(yù)測的準(zhǔn)確性

技術(shù)實(shí)現(xiàn)思路

1、鑒于現(xiàn)有的基于改進(jìn)gwo算法的短期電力負(fù)荷預(yù)測方法中存在的問題，提出了本發(fā)明。

2、因此，本發(fā)明所要解決的問題在于傳統(tǒng)的電力負(fù)荷預(yù)測方法難以精確的描述電力系統(tǒng)的復(fù)雜非線性特征，因而無法進(jìn)行更為精確的負(fù)荷預(yù)測。

3、為解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：

4、第一方面，本發(fā)明實(shí)施例提供了一種基于改進(jìn)gwo算法的短期電力負(fù)荷預(yù)測方法，其包括，獲取電力系統(tǒng)歷史負(fù)荷數(shù)據(jù)，確定電力負(fù)荷影響因素，并進(jìn)行預(yù)處理；基于預(yù)處理的數(shù)據(jù)，構(gòu)建電力負(fù)荷預(yù)測svm模型；基于構(gòu)建的電力負(fù)荷預(yù)測svm模型結(jié)合改進(jìn)的gwo算法尋優(yōu)，獲取電力負(fù)荷預(yù)測結(jié)果。

5、作為本發(fā)明所述基于改進(jìn)gwo算法的短期電力負(fù)荷預(yù)測方法的一種優(yōu)選方案，其中：所述電力負(fù)荷影響因素包括氣象指標(biāo)、人口學(xué)指標(biāo)、經(jīng)濟(jì)指標(biāo)、節(jié)假日指標(biāo)、政府調(diào)控措施以及電價(jià)-經(jīng)濟(jì)指標(biāo)；所述氣象指標(biāo)為與電力系統(tǒng)負(fù)荷數(shù)據(jù)同期的每日氣象數(shù)據(jù)；所述人口學(xué)指標(biāo)為與電力系統(tǒng)負(fù)荷數(shù)據(jù)同期的官方統(tǒng)計(jì)年鑒的年末常住人口數(shù)據(jù)；所述經(jīng)濟(jì)指標(biāo)為與電力系統(tǒng)負(fù)荷數(shù)據(jù)同期的統(tǒng)計(jì)局的gdp數(shù)據(jù)；所述節(jié)假日指標(biāo)為與電力系統(tǒng)負(fù)荷數(shù)據(jù)同期的法定節(jié)假日數(shù)據(jù)；所述政府調(diào)控措施為與電力系統(tǒng)負(fù)荷數(shù)據(jù)同期的政府電價(jià)調(diào)控措施；所述電價(jià)-經(jīng)濟(jì)綜合指標(biāo)為與電力系統(tǒng)負(fù)荷數(shù)據(jù)同期的電價(jià)與人均gdp的比值。

6、作為本發(fā)明所述基于改進(jìn)gwo算法的短期電力負(fù)荷預(yù)測方法的一種優(yōu)選方案，其中：所述預(yù)處理包括對數(shù)據(jù)進(jìn)行等間隔化和去野值處理。

7、作為本發(fā)明所述基于改進(jìn)gwo算法的短期電力負(fù)荷預(yù)測方法的一種優(yōu)選方案，其中：所述改進(jìn)的gwo算法包括：構(gòu)建初始狼群；基于差分進(jìn)化算法對初始狼群進(jìn)行處理，得到優(yōu)化后的初始狼群；基于余弦規(guī)律對收斂因子進(jìn)行改進(jìn)；基于步長歐式距離對四類狼群位置進(jìn)行更新；通過透鏡成像反向?qū)W習(xí)策略優(yōu)化gwo算法跳出局部最優(yōu)；重復(fù)更新和優(yōu)化，直到達(dá)到最大迭代次數(shù)，得到尋優(yōu)結(jié)果。

8、作為本發(fā)明所述基于改進(jìn)gwo算法的短期電力負(fù)荷預(yù)測方法的一種優(yōu)選方案，其中：基于所述差分進(jìn)化算法對初始狼群進(jìn)行處理，得到優(yōu)化后的初始狼群，具體包括：根據(jù)初始狼群構(gòu)建父代種群；將父代種群和預(yù)處理后的數(shù)據(jù)集均輸入svm模型，計(jì)算父代種群的種群目標(biāo)函數(shù)值；采用差分進(jìn)化算法，對父代種群進(jìn)行交叉和變異處理，得到子代種群；將子代種群和預(yù)處理后的數(shù)據(jù)集均輸入svm模型，計(jì)算子代種群的種群目標(biāo)函數(shù)值；判斷子代種群的種群目標(biāo)函數(shù)值是否大于父代種群的種群目標(biāo)函數(shù)值，得到第一判斷結(jié)果；若第一判斷結(jié)果為是，則將父代種群更新為子代種群；若第一判斷結(jié)果為否，則保留父代種群；令第二迭代次數(shù)的數(shù)值增加1，并返回采用差分進(jìn)化算法，對父代種群進(jìn)行交叉和變異處理直至第二迭代次數(shù)達(dá)到第二迭代次數(shù)閾值，并將父代種群確定為優(yōu)化后的初始狼群。

9、作為本發(fā)明所述基于改進(jìn)gwo算法的短期電力負(fù)荷預(yù)測方法的一種優(yōu)選方案，其中：基于所述余弦規(guī)律對收斂因子進(jìn)行改進(jìn)，計(jì)算公式表示為：

10、

11、其中，afiniaial和afinal為收斂因子a的初始值和最終值，t為當(dāng)前迭代次數(shù)，tmax為最大迭代次數(shù)，n為遞減指數(shù)，0<n≤1。

12、作為本發(fā)明所述基于改進(jìn)gwo算法的短期電力負(fù)荷預(yù)測方法的一種優(yōu)選方案，其中：基于所述步長歐式距離對四類狼群位置進(jìn)行更新，計(jì)算公式表示為：

13、

14、其中，w1、w2、w3分別表示ω狼對α、β、δ狼的學(xué)習(xí)率，x1、x2、x3表示灰狼位置向量。

15、第二方面，本發(fā)明實(shí)施例提供了一種基于改進(jìn)gwo算法的短期電力負(fù)荷預(yù)測系統(tǒng)，其包括：收集模塊，用于獲取電力系統(tǒng)歷史負(fù)荷數(shù)據(jù)，確定電力負(fù)荷影響因素，并進(jìn)行預(yù)處理；構(gòu)建模塊，用于根據(jù)預(yù)處理的數(shù)據(jù)，構(gòu)建電力負(fù)荷預(yù)測svm模型；優(yōu)化模塊，用于根據(jù)構(gòu)建的電力負(fù)荷預(yù)測svm模型結(jié)合改進(jìn)的gwo算法尋優(yōu)，獲取電力負(fù)荷預(yù)測結(jié)果。

16、第三方面，本發(fā)明實(shí)施例提供了一種計(jì)算機(jī)設(shè)備，包括存儲器和處理器，所述存儲器存儲有計(jì)算機(jī)程序，其中：所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)上述的基于改進(jìn)gwo算法的短期電力負(fù)荷預(yù)測方法的任一步驟。

17、第四方面，本發(fā)明實(shí)施例提供了一種計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有計(jì)算機(jī)程序，其中：所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述的基于改進(jìn)gwo算法的短期電力負(fù)荷預(yù)測方法的任一步驟。

18、本發(fā)明有益效果為本發(fā)明不僅能夠適應(yīng)負(fù)荷變化，在負(fù)荷波動較大的情況下仍保持高精度預(yù)測，而且通過改進(jìn)的算法有效避免了陷入局部最優(yōu)的問題，增強(qiáng)了模型的魯棒性。在實(shí)際電力系統(tǒng)中具有很高的應(yīng)用價(jià)值，能夠?yàn)殡娏φ{(diào)度、電網(wǎng)運(yùn)行優(yōu)化、需求側(cè)管理等提供更加精確和可靠的決策支持，有助于提高電力系統(tǒng)的經(jīng)濟(jì)性和可靠性，降低運(yùn)營成本，并為電力企業(yè)的精細(xì)化管理提供有力支撐。

技術(shù)特征：

1.一種基于改進(jìn)gwo算法的短期電力負(fù)荷預(yù)測方法，其特征在于：包括，

2.如權(quán)利要求1所述的基于改進(jìn)gwo算法的短期電力負(fù)荷預(yù)測方法，其特征在于：所述電力負(fù)荷影響因素包括氣象指標(biāo)、人口學(xué)指標(biāo)、經(jīng)濟(jì)指標(biāo)、節(jié)假日指標(biāo)、政府調(diào)控措施以及電價(jià)-經(jīng)濟(jì)指標(biāo)；

3.如權(quán)利要求2所述的基于改進(jìn)gwo算法的短期電力負(fù)荷預(yù)測方法，其特征在于：所述預(yù)處理包括對數(shù)據(jù)進(jìn)行等間隔化和去野值處理。

4.如權(quán)利要求3所述的基于改進(jìn)gwo算法的短期電力負(fù)荷預(yù)測方法，其特征在于：所述改進(jìn)的gwo算法包括：

5.如權(quán)利要求4所述的基于改進(jìn)gwo算法的短期電力負(fù)荷預(yù)測方法，其特征在于：基于所述差分進(jìn)化算法對初始狼群進(jìn)行處理，得到優(yōu)化后的初始狼群，具體包括：

6.如權(quán)利要求5所述的基于改進(jìn)gwo算法的短期電力負(fù)荷預(yù)測方法，其特征在于：基于所述余弦規(guī)律對收斂因子進(jìn)行改進(jìn)，計(jì)算公式表示為：

7.如權(quán)利要求6所述的基于改進(jìn)gwo算法的短期電力負(fù)荷預(yù)測方法，其特征在于：基于所述步長歐式距離對四類狼群位置進(jìn)行更新，計(jì)算公式表示為：

8.一種基于改進(jìn)gwo算法的短期電力負(fù)荷預(yù)測系統(tǒng)，基于權(quán)利要求1～7任一所述的基于改進(jìn)gwo算法的短期電力負(fù)荷預(yù)測方法，其特征在于：包括，

9.一種計(jì)算機(jī)設(shè)備，包括存儲器和處理器，所述存儲器存儲有計(jì)算機(jī)程序，其特征在于：所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)權(quán)利要求1～7任一所述的基于改進(jìn)gwo算法的短期電力負(fù)荷預(yù)測方法的步驟。

10.一種計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有計(jì)算機(jī)程序，其特征在于：所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1～7任一所述的基于改進(jìn)gwo算法的短期電力負(fù)荷預(yù)測方法的步驟。

技術(shù)總結(jié)
本發(fā)明公開了一種基于改進(jìn)GWO算法的短期電力負(fù)荷預(yù)測方法及系統(tǒng)，涉及電力系統(tǒng)技術(shù)領(lǐng)域，包括獲取電力系統(tǒng)歷史負(fù)荷數(shù)據(jù)，確定電力負(fù)荷影響因素，并進(jìn)行預(yù)處理；基于預(yù)處理的數(shù)據(jù)，構(gòu)建電力負(fù)荷預(yù)測SVM模型；基于構(gòu)建的電力負(fù)荷預(yù)測SVM模型結(jié)合改進(jìn)的GWO算法尋優(yōu)，獲取電力負(fù)荷預(yù)測結(jié)果。本發(fā)明不僅能夠適應(yīng)負(fù)荷變化，在負(fù)荷波動較大的情況下仍保持高精度預(yù)測，而且通過改進(jìn)的算法有效避免了陷入局部最優(yōu)的問題，增強(qiáng)了模型的魯棒性。在實(shí)際電力系統(tǒng)中具有很高的應(yīng)用價(jià)值，能夠?yàn)殡娏φ{(diào)度、電網(wǎng)運(yùn)行優(yōu)化、需求側(cè)管理等提供更加精確和可靠的決策支持，有助于提高電力系統(tǒng)的經(jīng)濟(jì)性和可靠性，降低運(yùn)營成本，并為電力企業(yè)的精細(xì)化管理提供有力支撐。

技術(shù)研發(fā)人員：梁鈴,李俊林,黃育松,周忠強(qiáng),姬源,萬會江,陳勝,馬建偉,宋堯,陳智祺,周思明,劉淑君,石啟宏,郭明,張?jiān)凭?陳馨,司勝文,劉胤楓,魏文瑄,李康,馮揚(yáng)婧瀾,顏?zhàn)谳x,李青峰,鄧金鑫
受保護(hù)的技術(shù)使用者：貴州電網(wǎng)有限責(zé)任公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6