[发明专利]一种电网负荷预测方法

权利要求书

1.一种电网负荷预测方法，其特征在于，包括步骤： S100，建立一个区域的电网负荷与电力价格之间的关系模型； S200，获取所述区域内的一个电力价格序列； S300，根据所述关系模型代入所述电力价格序列，求解获得所述区域的电网负荷序列。

2.根据权利要求1所述的电网负荷预测方法，其特征在于：所述关系模型包括一个预测方法F，其是BP神经网络法、支持向量机法、小波变换与深度置信网络法、小波变换与长短期记忆网络法，小波分解与支持向量机组合法或基于小波分解和卷积神经网络的点预测算法中的一种。

3.根据权利要求2所述的电网负荷预测方法，其特征在于，所述预测方法F的参数通过多个所述电力价格的粒子群优化算法获得。

4.根据权利要求3所述的电网负荷预测方法，其特征在于，通过所述粒子群优化算法的获取所述预测方法F一个参数的方法为，将影响电力价格的因素作为一个鸟群。

5.根据权利要求1所述的电网负荷预测方法，其特征在于，所述影响电力价格的因素包括获取电力价格。

6.根据权利要求4所述的电网负荷预测方法，其特征在于：在所述每个鸟群的跟踪方法是基于模型演化的电力价格，其中，先对电力价格进行建模，然后在连续序列中更新这个模型而到达跟踪的目的，前一序列中的跟踪结果被用于当前序列相关参数的初始化，能代表电力价格的特征的模型就这样在序列间进行演化。

7.根据权利要求6所述的电网负荷预测方法，其特征在于：所述跟踪方法包含主动轮廓法、水平集法、基于核的跟踪或均值漂移跟踪方法。

8.根据权利要求7所述的电网负荷预测方法，其特征在于：所述追踪方法为主动轮廓法，其中，在前一序列中定义了一个与多个电力价格轮廓相关的内部能量和外部能量之和的能量函数，在当前序列中使得能量函数最小化，进而找出电力价格轮廓。

9.根据权利要求8所述的电网负荷预测方法，其特征在于，所述粒子群优化算法包括以下步骤：搜索和优化粒子群，建立位置搜索策略和轮廓模型，实现多电力价格的位置与轮廓跟踪。

10.根据权利要求9所述的电网负荷预测方法，其特征在于：实现其所述多电力价格的位置与轮廓跟踪的系统包括基于PSO的跟踪模块，基于PSO的发现模块和基于PSO的轮廓模块。