[发明专利]一种短期微电网负荷区间概率预测方法

说明书

本发明公开了一种短期微电网负荷区间概率预测方法，该方法包括：获取微电网若干历史负荷数据作为样本集；结合预测区间覆盖率、预测区间带宽均方根构建优化准则；建立基于循环神经网络的短期微电网负荷区间概率预测模型，通过珊瑚礁算法对优化准则进行寻优更新神经网络权值阈值；利用淘汰机制优化策略对基本珊瑚礁算法进行改进以提高算法性能加快收敛速度。本发明通过珊瑚礁算法的改进较好的克服了基本珊瑚礁算法收敛速度慢精度不高的缺点，有效提高了微电网负荷预测水平。

技术领域

本发明属于电力系统技术领域，具体涉及一种短期微电网负荷区间概率预测方法。

背景技术

微电网是将分布式电源、储能装置、能量转换装置及监控、保护装置等联结起来向用户供电的小型分散系统。微电网负荷的精确预测是微电网运行和能量管理的重要基础，将直接影响微电网运行策略。在负荷预测领域，目前针对微电网负荷预测的方法主要分为传统预测方法和现代智能预测方法。传统预测方法主要有曲线外推法、灰色预测法、回归分析法、时间序列法和负荷求导法等。此类方法运用概率论或数理统计理论，通过统计分析得出的历史数据的拟合函数进行负荷预测，其算法过程简明，易于实现。现代智能预测方法主要有人工神经网络和支持向量机预测方法。此类方法运用人工智能技术，通过经验学习和样本训练对负荷变化规律进行最优拟合，并且能够充分地考虑外界因素对负荷变化的影响，预测结果的精度较高。

但是，目前微电网负荷预测方法均为单一的点预测，只给出一个确定的数值，无法确定预测结果可能的波动范围。而微电网系统中蕴含了诸多不确定因素，使得决策工作存在风险，在决策时必须考虑电力需求的不确定性，因此如何实现区间预测更加符合客观需求。

发明内容

针对现有技术的不足，本发明提出了一种短期微电网负荷区间概率预测方法。

本发明的技术方案如下：

一种短期微电网负荷区间概率预测方法，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。

其进一步的技术方案为，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：