[发明专利]一种短期微电网负荷区间概率预测方法

权利要求书

1.一种短期微电网负荷区间概率预测方法，其特征在于包括：

步骤1、获取微电网负荷数据；

步骤2、结合预测区间覆盖率和预测区间带宽均方根，并引入平均偏移指标，构造宽度覆盖准则作为寻优目标函数；

步骤3、利用淘汰机制优化策略对基本珊瑚礁算法进行改进；

步骤4、建立基于淘汰机制优化策略改进珊瑚礁算法循环神经网络的短期微电网负荷区间预测模型，通过改进珊瑚礁算法，对优化准则进行寻优，更新神经网络权值阈值；

步骤5、根据最优的权值阈值建立神经网络，对微电网负荷进行区间预测。

2.根据权利要求1所述的短期微电网负荷区间概率预测方法，其特征在于，所述步骤2具体包括：

计算预测区间覆盖率δ_PISCP为：

式(1)中，N为样本总数；i为样本序号；

参数c_i为：

式(2)中，ζ_i为实际微电网负荷，L_i为预测区间下界，U_i为预测区间上界；

计算预测区间带宽均方根ψ_RPIW为：

式(3)中，R为最大预测区间宽度；

计算平均偏移指标φ_MO为：

构造宽度覆盖准则T_CCWC作为寻优目标函数；宽度覆盖准则T_CCWC为：

式(5)中有：

在式(5)、(6)中，μ为(1-α)置信水平的置信区间，η为δ_PISCP未达到置信区间μ时的惩罚量。

3.根据权利要求1所述的短期微电网负荷区间概率预测方法，其特征在于，所述步骤3的改进方法方法具体是：

式(7)中，α与α'为迭代次数，且α≠α'，θ表示适应度值的标准差；当||c_α-c_α'||≤S，即两个体间欧式距离小于预设值S时，|fit(c_α)-fit(c_α')|≤θ表示此时所示算法陷入停滞；ε'和为改进后每次循环淘汰的概率和淘汰数量比例。

4.根据权利要求1所述的短期微电网负荷区间概率预测方法，其特征在于，所述步骤4具体包括：

步骤41、将步骤1获取微电网负荷数据归一至[0,1]区间，分为训练集和测试集；

步骤42、循环神经网络初始化；设置循环神经网络结构；

步骤43、假设初始珊瑚礁有U×V个节点可供珊瑚虫附着，此时已被附着的珊瑚礁占所有珊瑚的比例为ρ；设珊瑚虫有性生殖比例为ξ，分裂繁殖比例为υ，子代珊瑚虫尝试附着极限次数为τ，每次循环淘汰的概率为ε，淘汰数量比例为最大迭代次数为σ；

步骤44、雌雄异体的亲代珊瑚虫通过以下的式(8)、式(9)产生子代珊瑚虫，即各个节点权值阈值；

式(7)中，C_1,α、C_2,α为雌雄异体的亲代珊瑚虫，c_1,α、c_2,α为子代珊瑚虫，α为迭代次数，ω为按式(9)生成的随机变量；

式(9)中，i为区间(0,1)上的随机数，κ为交叉常数；

剩余数量的雌雄同体的亲代珊瑚虫C_α根据式(10)产生一个子代珊瑚虫c_α：

式(9)中，分别为亲代珊瑚虫C_α中的最大值和最小值；

步骤45、根据子代珊瑚虫，通过式(5)计算出当前的宽度覆盖准则T_CCWC的值，通过比较子代珊瑚虫的宽度覆盖准则的值T_CCWC，判断其能否成功附着，如果能够成功附着，则定义为优势珊瑚虫；

优势珊瑚虫分裂产生子代，并重复当前步骤，判断其是否能够成功附着；

步骤46、通过所述步骤3的改进方法计算当前子代珊瑚虫淘汰概率和淘汰比例，淘汰符合条件的珊瑚虫；

步骤47、判断是否达到最大迭代次数或者满足预设输出要求，若不满足，则重复步骤43；若满足要求，输出当前最优珊瑚虫，作为最优权值阈值。