[发明专利]一种基于信息融合的城市燃气日负荷组合预测方法

说明书

本发明属于数据预测技术领域，具体涉及一种基于信息融合的城市燃气日负荷组合预测方法。本发明采用神经网络预测器GRNN、灰色‑GRNN和梯度‑GRNN进行预测，然后设计随机集组合预测器进行组合预测，基于改进羊群智能算法的参数寻优器对随机集组合预测器的参数寻优。本发明的神经网络预测器既可以去除可能存在的坏数据，又可以判别单一模型故障。本发明能够有效的剔除随机变量的随机性和不确定性，提高预测精度，尤其是某些预测模型发生故障时，可以通过异常数据检测器基于突变理论进行突变检测。

技术领域

本发明属于数据预测技术领域，具体涉及一种基于信息融合的城市燃气日负荷组合预测方法。

背景技术

城市燃气日负荷预测主要是通过搜集过往的历史数据以及与影响日负荷相关的数据来对未来用量进行预测，它需要综合考虑经济、环境等关键性因素，若预测方法成熟且能达到一定的精度，这对于一个城市相关部门的决策将起到至关重要的作用。由于燃气日负荷与很多方面如气候、人口、经济、生活习惯、当地风俗等有关系，会具有随机多元的复杂性，甚至是突变性。

目前，组合预测模型在国内外得到了广泛的应用。我国在燃气负荷预测领域主要的研究方法有多分辨率小波网络、支持向量机、指数平滑法等，但这些方法在实践的过程中都存在各自的缺点。因此，国内对组合预测方法有较高的期待，这种方法能够取长补短，有效的提高燃气负荷预测精度。

发明内容

本发明的目的在于提供一种基于信息融合的城市燃气日负荷组合预测方法。

本发明的目的通过如下技术方案来实现：包括以下步骤：

步骤1：获取历史数据，包括日期、人口、温度及城市燃气日负荷量，构成训练集，对训练集中的数据进行预处理；

步骤2：将训练集输入到神经网络预测器中，神经网络预测器的输入为某一日期对应的人口、温度，输出为城市燃气日负荷预测值；所述的神经网络预测器包括GRNN、灰色-GRNN和梯度-GRNN，其中GRNN的预测结果为y₁，灰色-GRNN的预测结果为y₂，梯度-GRNN的预测结果为y₃；

步骤3：将神经网络预测器的预测结果输入到随机集组合预测器中，随机集组合预测器的输出为：

其中，a_j通过参数寻优器计算，参数寻优器采用改进羊群智能算法对参数a_j寻优，性能指标函数取y为真实值，e为预测误差；优化参数x＝(a₁,a₂,a₃)，使J最小，即求得min(J₁,J₂,…J_M)所在羊的设置为头羊，具体步骤为：

步骤3.1：初始化参数；

设定种群数M，最大迭代次数T，重新排序的迭代次数，阈值ε，最大放牧概率ω_max，最小放牧概率ω_min，求解空间的上限ub，求解空间的下限lb；初始种群x₀＝(a₁⁰,a₂⁰,a₃⁰)按着[0,1]均匀分布产生，性能指标函数取其中y为真实值，e为预测误差；

步骤3.2：调整各自羊的位置，若移动后性能没有变小，则放弃本次更新；调整的公式为：

式中：g^k表示第k代头羊所在位置；rand为0到1的随机数；为第i(i＝1,2,…M-1)个个体移动后的位置；

步骤3.3：第i只羊随机选择另一只羊进行互动，如果所在位置优于则向靠近，在自身周围小步搜索；的移动公式为：