[发明专利]一种海水淡化负荷预测方法与系统

权利要求书

1.一种海水淡化负荷预测方法，其特征在于，所述方法包括：

基于预先设定的影响因素，从历史数据中获取与预测日相似度最大的历史特征向量和负荷；

将所述特征向量和负荷带入预先建立的海水淡化负荷预测模型，对预测日的负荷值进行预测，得到所述预测日的负荷预测值；

所述海水淡化负荷预测模型基于粒子群优化正则化参数和核参数的最小二乘支持向量机构建。

2.如权利要求1所述的一种海水淡化负荷预测方法，其特征在于，所述影响因素包括：温度、日用水量、海水流速、淡水回水流速、高压浓盐水流速、给水泵、高压泵和升压泵时序功率、回水泵时序功率。

3.如权利要求2所述的一种海水淡化负荷预测方法，其特征在于，所述从历史数据中获取与预测日相似度最大的历史特征向量，还包括：

分别对所述历史数据进行归一化处理；

基于归一化处理后的历史数据构建因素序列；

基于所述因素序列确定与预测日相似度最大的特征向量。

4.如权利要求3所述的一种海水淡化负荷预测方法，其特征在于，所述基于归一化处理后的历史数据构建因素序列包括：

基于归一化处理后的温度数据得到第一特征量；

基于归一化处理后的日用水量数据得到第二特征量；

基于归一化处理后的海水淡化机组给水泵、高压泵和升压泵的时序用电功率得到第三特征量；

基于归一化处理后的海水淡化机组回水泵的时序用电功率得到第四特征量；

基于归一化处理后的海水淡化机组的高压浓盐水流速得到第五特征量；

由所述第一特征量、第二特征量、第三特征量、第四特征量和第五特征量构建因素序列。

5.如权利要求4所述的一种海水淡化负荷预测方法，其特征在于，所述基于所述因素序列确定与预测日相似度最大的特征向量包括：

基于所述因素序列，确定历史数据与预测日数据的差序；

基于所述差序获取最大差和最小差；

基于所述最大差和最小差，采用灰色关联度计算预测日因素对历史日因素的灰色关联度；

基于所述灰色关联度得到与预测日相似度最大的多个历史日因素；

将所有历史日因素作为特征向量。

6.如权利要求5所述的一种海水淡化负荷预测模型，其特征在于，所述将所述特征向量和负荷带入预先建立的海水淡化负荷预测模型，对预测日的负荷值进行预测包括：

基于粒子群优化正则化参数和核参数的最小二乘支持向量机确定初始化的海水淡化负荷预测模型；

将所述特征向量和负荷分为训练数据和测试数据；

基于训练数据，将特征向量的总个数输入海水淡化负荷预测模型，对海水淡化负荷预测模型进行训练，得到训练后的海水淡化负荷预测值；

基于测试数据，将特征向量输入海水淡化负荷预测模型得到负荷预测数据；

基于所述测试数据对应的负荷，对所述负荷预测数据进行修正，获得海水淡化负荷预测值。

7.如权利要求6所述的一种海水淡化负荷预测方法，其特征在于，所述基于测试数据，将特征向量输入海水淡化负荷预测模型得到负荷预测数据包括：

基于所述测试数据，采用相对误差法对所述训练后的海水淡化模型进行测试；

将所述测试数据带入所述海水淡化模型得到海水淡化负荷预测值；

基于所述海水淡化预测值与所述测试数据对应的海水淡化实际测量值构建相对误差函数；

将所述相对误差函数作为目标函数，利用粒子群算法对目标函数进行寻优，得到优化后的海水淡化负荷预测值。

8.如权利要求7所述的一种海水淡化负荷预测方法，其特征在于，所述相对误差函数如下所示：

式中，y_real表示海水负荷实际值；y_predicted表示海水负荷预测值。