[发明专利]一种基于智能算法优化组合的电网负荷率预测方法

摘要

一种基于智能算法优化组合的电网负荷率预测方法。本发明首先基于Granger检验等手段在不遗漏信息的情况下筛选留下大量与负荷率存在关系的因素，保证负荷率相关因素分析的准确性和负荷率预测的精度。在进行负荷率预测时，考虑RBF神经网络、GRNN神经网络、SVR等智能算法，充分发挥智能算法遗漏信息少、不深究内部关系、预测精度高等相对传统预测方法的优势，并运用遗传算法对多种预测结果进行优化组合以进一步提高预测精度。该方法既可用于年、月、日等不同时间范围的负荷率预测，又可用于大工业用户、居民用户等分类用户的负荷率预测，为负荷率电价的有关研究提供一定的理论支撑。

主权项

一种基于智能算法优化组合的电网负荷率预测方法，其特征在于：其包括按顺序执行的下列步骤：第一步：对可能对电网负荷率造成影响的因素进行梳理，以这些因素相对应的数据作为基础数据，采用的时间序列样本数不低于10个；第二步：应用Eviews软件对以上多种因素进行筛选，剔除与电网负荷率相关性差的因素；第三步：对保留下的序列因素相应的基础数据进行归一化处理，以消除量纲对预测的影响；第四步：根据电网负荷率类型从下面表格中依据对应关系选择合适的预测方法，并基于不同软件平台结合上述归一化的相关数据进行预测，以得到预测结果；表1 负荷率类型与预测方法对应表第五步：经过逆向还原将上述预测结果处理为正常量纲下的数据；第六步：以平均绝对百分误差MAPE作为适应度函数，基于遗传算法将RBF神经网络算法、GRNN神经网络算法和SVR算法的预测结果利用组合预测数学模型进行优化组合，以得到最佳预测结果。