[发明专利]一种面向运行可靠性的短期负荷预测建模方法

权利要求书

1.一种面向运行可靠性的短期负荷预测建模方法，其特征在于：所述方法包括以下步骤：

步骤S1：取样本历史负荷数据，根据影响因素对短期负荷做分类处理，采用模糊C均值聚类方法FCM以提取出与预测日相似特征的负荷数据，从而构成相似日负荷集；

步骤S2：采用db4小波对训练样本进行3层小波分解和重构，每个训练样本得到1个低频分量和3个高频分量子序列，采用各聚类负荷序列对应各层小波构造不同训练样本；

步骤S3：改进PSO-RVM回归拟合，采用粒子群算法PSO对高斯核函数的带宽参数进行优化，以提高带宽；所述步骤S3进一步包括以下步骤：

步骤S31：选择核函数，将特征向量映射到高维空间，选择高斯核函数则如下式所示：

步骤S32：初始化相关向量机RVM；

步骤S33：迭代求解最优的权重分布α_i和

步骤S34:根据以下两式预测新数据；

若给定新的输入值x_*，则相应输出的概率分布服从高斯分布，即：

式中的预测均值为y_*，则y_*可视作t_*的预测值；

步骤S35：优化高斯核函数的带宽参数；

PSO初始化为一群随机粒子，设在一个N维的目标搜索空间中，有M个粒子组成一个粒子群，第i个粒子的位置为X(x₁,x₂,…,x_N)，飞行速度为V(v₁,v₂,…,v_N)，每个粒子通过跟踪2个“最佳位置”来更新自己的位置，一个是粒子本身目前所找到的最佳位置p_best，另一个是目前整个粒子群中所有粒子找到的最佳位置g_best，对第k+1次迭代，每个粒子按以下两式进行位置更新：

v_i(k+1)＝ωv_i(k)+c₁r₁(p_ibest(k)-x_i(k))+c₂r₂(g_best(k)-x_i(k))；

x_i(k+1)＝x_i(k)+v_i(k+1)；

其中N＝20，惯性因子ω＝0.9，加速系数c₁＝c₂＝2，最大限制速度v_max＝1，最大位置限制为x_max＝1，最小位置限制为x_min＝0，最大迭代T_max＝20，最小误差ε＝0.001，适应值为相关向量机模型的预测结果的平均绝对百分比误差MAPE：

步骤S4：使用改进的PSO-RVM算法分别对低频周期分量以及高频波动分量进行预测，将各小波预测结果叠加。