[发明专利]一种基于灰色关联度分析的改进型烟花算法的中长期负荷预测方法

说明书

技术领域

本发明提出了基于灰色关联度分析的改进型烟花算法对模型参数进行优化计算，属于中长期负荷预测技术领域。

背景技术

随着智能电网的加快建设以及各种新能源不断接入电网，配电网安全经济运行面临着严重的挑战，科学的配电网建设是解决问题最有效和最根本的手段。中长期负荷预测作为配电网规划建设重要支撑，其预测的精确性和可靠性是目前研究的热点和难点，考虑到我国配电网中长期负荷逐年增长的确定性和随机波动的不稳定性，而电网作为一种典型灰色系统，灰色理论在中长期负荷预测中得到广泛的应用。

中长期负荷预测有着预测时间跨度大、周期长等特点，而传统灰色GM(1，1)模型受制于其背景值权重系数和模型初始值粗糙选择的缺陷，致使其难以准确的捕捉到系统负荷数据的持续变化规律。伴随生命科学的发展，人们通过探索生物界的自然规律，开拓了“群体智能”新型研究领域。通过对生物界的群体智能行为构建数学建模，利用其群体逻辑的复杂性的特点实现对相对复杂问题的求解，彻底摆脱了经典逻辑计算的束缚。现有的方法中分别利用了蚁群算法(ACO)，粒子群算法(PSO)对灰色模型参数进行求解，虽然在很大程度上解决了预测精度的问题，但发现算法收敛速度相对较慢，求解效率普遍不高等缺点。

发明内容

针对现有技术的不足，本发明提供一种基于灰色关联度分析的改进型烟花算法的中长期负荷预测方法，这种算法能够使平均相对误差大小明显降低，同时其灰色关联度明显增大，更加接近于实际负荷曲线，总体来说，相对与传统灰色模型预测方法和传统烟花算法模型预测方法，其预测效果得到明显改善。

本发明采取的技术方案为：

一种基于灰色关联度分析的改进型烟花算法的中长期负荷预测方法，包括以下步骤：

步骤1：GM(1，1)模型的建立：

已知原始非负数列X⁽⁰⁾：

X⁽⁰⁾＝{x⁽⁰⁾(1),x⁽⁰⁾(2),…,x⁽⁰⁾(n)} (1)

式中：x⁽⁰⁾(n)表示原始建模数据；n为数列所包含建模数据的个数。

步骤2：通过一次累加迭代处理X⁽⁰⁾生成建模序列X⁽¹⁾：

式中：x⁽¹⁾(n)为一次累加生成的建模数据；X⁽¹⁾为X⁽⁰⁾的一次累加生成序列。

步骤3：利用一次累加序列X⁽¹⁾建立一阶线性白化微分方程：

式中，α为表征灰色模型发展趋势的发展系数；β为表征数据之间相互作用效果的协调系数。

步骤4：预测结果模型的推导：对式(3)两边求积分化简，

z⁽¹⁾(d)＝mx⁽¹⁾(d)+(1-m)x⁽¹⁾(d-1),d＝2,3,…,n (5)

式中，α为发展系数；β为协调系数；m为权重系数；d为迭代次数。

然后令模型背景权重系数m＝0.5，得到X⁽¹⁾的近邻值生成序列。

设模型的参数列为A＝[α,β]^T，采用最小二乘法对模型参数矩阵A求解，得到可解得微分方程(3)的时间响应方程，再将其离散化可得：

式中：C为待定常数；α为发展系数；β为协调系数。

假定初始值代入式(5)，可以求得：

步骤5：累减还原。将C代入式(5)并进行累减还原处理，得到X⁽⁰⁾的预测模型Y⁽⁰⁾为：

式中，d代表迭代次数，α为发展系数，β为协调系数，ε为初始值修正项。

步骤6：构建基于改进烟花算法的灰色模型参数求解方法。

步骤5中包括以下步骤：

步骤5.1：一阶白化微分方程的求解主要受模型参数组A和初始值x⁽⁰⁾(1)影响，而模型参数组A受到原始数据和背景值构造方式的影响。

步骤5.2：由整理(3)、(5)、(7)可得：当α值较小时，背景值权重系数m近似取值为0.5较为合理，当α值较大时，m取0.5不再合适。