[发明专利]一种基于粒子群算法的变权组合电力负荷短期预测方法

权利要求书

1.一种基于粒子群算法的变权组合电力负荷短期预测方法，其特征在于，包括以下步骤：

步骤1：根据ARIMA模型的基本原理，对电力负荷数据作平稳化处理，根据已知平稳信号，建立相应的ARIMA模型，得到ARIMA模型的预测结果yA(t)；

步骤2：读取电力部门所提供的短期负荷数据，构成负荷时间序列矩阵：

x 1 , 1 x 1 , 2 ... x 1 , n x 2 , 1 x 2 , 2 ... x 2 , n . . . . . . . . . . . . x m , 1 x m , 2 ... x m , n ]]>

其中，矩阵同一行的数据表示一个电力负荷周期内的数据，矩阵同一列的数据表示不同电力负荷周期的相似点数据；采用相似点电力负荷预测模型进行短期负荷预测，得到相似点电力负荷的预测结果yB(t)；

步骤3：将气温、湿度、节假日、雨雪天气因素离散化定量处理，设置隐层神经元个数、隐层函数、输出层函数的相关参数，采用Elman神经网络模型对电力负荷进行预测，得到预测结果yC(t)；

步骤4：建立组合预测模型：

y(t)＝α(t)yA(t)+β(t)yB(t)+γ(t)yC(t)

其中，α(t)、β(t)和γ(t)分别表示ARIMA负荷预测、相似点负荷预测、Elman神经网络负荷预测三种方法的权重系数，且满足α(t)+β(t)+γ(t)＝1；

步骤5：采用动态参数粒子群算法进行权重参数的优化；

步骤6：综合步骤4中的组合预测模型和步骤5中得到的权重参数，进行组合预测。