[发明专利]一种电采暖负荷预测方法

权利要求书

1.一种电采暖负荷预测方法，其特征在于：包括如下步骤：

分析电采暖负荷的主要影响因素；

构建BP神经网络计算方法；

构建遗传算法优化BP神经网络计算方法；

选取完整数据作为训练样本和预测样本，利用所述BP神经网络计算方法和所述遗传算法优化BP神经网络计算方法分别预测电采暖负荷，验证遗传算法优化BP神经网络计算方法的有效性和科学性。

2.根据权利要求1所述的电采暖负荷预测方法，其特征在于：所述主要影响因素包括天气情况、使用因素和建筑因素。

3.根据权利要求1所述的电采暖负荷预测方法，其特征在于：所述构建BP神经网路计算方法的步骤具体为：初始化权值和阈值；设定输入向量和期望输出；计算各层输出；计算实际输出与期望输出的误差MSE；修正输出层权值与阈值；修正隐含层权值和阈值；判断训练集中是否有学习样本；将所述误差MSE和预定要求ε进行比较。

4.根据权利要求3所述的电采暖负荷预测方法，其特征在于：所述实际输出与期望输出的误差MSE基于如下等式来确定：

MSE＝∑(A-T)²/N

其中，A为实际输出值，T为期望输出值，N为样本数。

5.根据权利要求1或3所述的电采暖负荷预测方法，其特征在于：所述构建遗传算法优化BP神经网络计算方法的步骤具体为：确定编码方案，设置遗传算法参数和自适应调整算法；确定适应函数；遗传操作。

6.根据权利要求5所述的电采暖负荷预测方法，其特征在于：所述遗传操作的步骤具体为：采用选择方法进行选择操作；交叉操作：计算自适应交叉概率；变异操作：计算自适应变异概率。

7.根据权利要求6所述的电采暖负荷预测方法，其特征在于：所述自适应交叉概率的计算过程：定义X_i和X_j为参与交叉操作的两个个体串，x_i和x_j为与X_i和X_j相对应的变量，在进行交叉操作前，先定义两个中间变量α和β，如下：

αi=min{xi+1+pc2(xi-xj),xmax}max{xi+1+pc2(xi-xj),xmin}]]>

βj=min{xj+1+pc2(xj-xi),xmin}max{xj+1+pc2(xj-xi),xmax}]]>

式中，x_max和x_min分别是x_i和x_j的上限和下限；p_c为交叉概率；

然后开展如下交叉操作：

yi=1+pc2×αi+1-pc2×βi]]>

y_j＝a×x_i+(1-a)×x_j

式中，y_i和y_j为Y_i和Y_j所对应的新变量；a为[0，1]之间的随机数；

对交叉概率p_c进行自适应调整，得到一个自适应交叉概率：

pc=fmax-fc′fmax-f,fc≥f‾1,fc<f‾]]>

式中，f_max为种群最大适应度，f′_c为交叉操作前两个父代个体中适应度较大者，为种群平均适应度。

8.根据权利要求7所述的电采暖负荷预测方法，其特征在于：所述自适应变异概率的计算过程：个体串中X_i中基因变量x_i的变异方法为随机的从[x'，x”]区间上抽取一个数x′_i来替代x_i，具体操作如下：

x′=xmin+|xmin×pm×fifmax|]]>

x′′=xmax-|xmax×pm×fifmax|]]>

式中，x_max和x_min分别是x_i和x_j的上限和下限；p_m为变异概率；f_i为所需变异个体的适应度；

对变异概率p_m进行自适应调整，产生一个自适应变异概率：

pm=0.5(fmax-fi)fmax-fi,fi≥f‾0.01,fi≤f‾]]>

式中，f_max为种群最大适应度，f′_c为交叉操作前两个父代个体中适应度较大者，为种群平均适应度。