[发明专利]一种微电网群负荷预测方法、系统、介质及电子设备

说明书

本公开提供了一种微电网群负荷预测方法、系统、介质及电子设备，所述方法为：获取微电网群的运行参量数据；根据获取的运行参量数据和预设神经网络模型，得到负荷预测结果；其中，预设神经网络模型为脊波递归神经网络模型，且脊波递归神经网络模型采用粒子群优化算法训练；本公开采用粒子群优化的脊波递归神经网络模型，极大的提高了微电网群负荷预测精度，进而实现了更精准的微电网群负荷调度。

技术领域

本公开涉及电力负荷预测技术领域，特别涉及一种微电网群负荷预测方法、系统、介质及电子设备。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术，并不必然构成现有技术。

微电网(Micro-Grid)也译为微网，是指由分布式电源、储能装置、能量转换装置、负荷、监控和保护装置等组成的小型发配电系统，微电网群负荷预测(在微电网群的安全、经济和可靠运行方面起着至关重要的作用，微电网群STLF的精度将会直接影响到微电网群的运行性能。

目前在负荷预测方面应用最多的一类方法就是人工神经网络预测方法，例如，RBF神经网络具有很好的非线性拟合和学习能力，但其基函数中心点的随机选取会产生数据病态的现象；脊波神经网络具有非常强的各向异性，能够有效的逼近具备直线型奇异性的函数，但不能很好的处理负荷曲线的奇异性，因此，现有的算法大多无法实现准确的微电网群负荷预测。

发明内容

为了解决现有技术的不足，本公开提供了一种微电网群负荷预测方法、系统、介质及电子设备，提高了微电网群负荷预测精度，实现了更精准的微电网群负荷调度。

为了实现上述目的，本公开采用如下技术方案：

本公开第一方面提供了一种微电网群负荷预测方法。

一种微电网群负荷预测方法，包括以下过程：

获取微电网群的运行参量数据；

根据获取的运行参量数据和预设神经网络模型，得到负荷预测结果；

其中，预设神经网络模型为脊波递归神经网络模型，且脊波递归神经网络模型采用粒子群优化算法训练。

本公开第二方面提供了一种微电网群负荷预测系统。

一种微电网群负荷预测系统，包括：

数据获取模块，被配置为：获取微电网群的运行参量数据；

负荷预测模块，被配置为：根据获取的运行参量数据和预设神经网络模型，得到负荷预测结果；

其中，预设神经网络模型为脊波递归神经网络模型，且脊波递归神经网络模型采用粒子群优化算法训练。

本公开第三方面提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本公开第一方面所述的微电网群负荷预测方法中的步骤。

本公开第四方面提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开第一方面所述的微电网群负荷预测方法中的步骤。

与现有技术相比，本公开的有益效果是：

1、本公开所述的微电网群负荷预测方法、系统、介质及电子设备，采用粒子群优化的脊波递归神经网络模型，极大的提高了微电网群负荷预测精度，进而实现了更精准的微电网群负荷调度。

2、本公开所述的微电网群负荷预测方法、系统、介质及电子设备，解决了传统基于梯度的脊波神经网络训练算法效率低且网络后期容易震荡的问题，使模型的输出更加逼近期望值，进一步的提高了预测精度。

附图说明