[发明专利]基于ISGU混合模型的短期电力负荷预测方法及系统

权利要求书

1.一种基于ISGU混合模型的短期电力负荷预测方法，其特征在于，包括以下步骤：

步骤S1：输入电力负荷数据及相关因素，并进行数据预处理，包括对星期、节假日因素进行数字化处理以及对电力负荷特征值进行筛选，然后划分得到训练集和预测集；

步骤S2：构建结合GRU网络和ISSA算法的ISGU混合模型，并通过训练集和预测集对ISGU混合模型进行训练和测试，得到训练好的ISGU混合模型；

步骤S3：基于训练好的ISGU混合模型进行短期电力负荷预测，获得电力负荷预测结果。

2.根据权利要求1所述的基于ISGU混合模型的短期电力负荷预测方法，其特征在于，步骤S1中，对星期、节假日因素进行数字化处理的具体方法为：

设各星期类型平均负荷所组成的矩阵为W_k＝[w_mon,w_tue,w_wed,w_thu,w_fri,w_sat,w_sun]；则星期因素映射方式如公式(1)所示：

其中W_map为星期因素映射值，缩放倍数b∈(0,∞),d∈(0,∞)为常数；

节假日映射与星期映射同理，即利用节假日平均负荷值与其对应的星期类型的平均负荷值进行处理；当两者映射值分别求出后，将两者映射值整合为一体，如公式(2)所示：

WH_map＝W_map+H_map (2)

其中WH_map为星期-节假日映射值，H_map为节假日映射值。

3.根据权利要求1所述的基于ISGU混合模型的短期电力负荷预测方法，其特征在于，步骤S1中，采用PCCs与MI算法对电力负荷特征值进行筛选，PCCs用于筛选气候、星期、节假日等特征值，MI用于筛选历史电力负荷特征值，筛选出的特征值记为C_v，其原理如公式(3)(4)所示：

其中，x为电力负荷信号，F为相关因素，I为样本总个数，i为第i个样本，F_i为第i个样本的相关因素，为所有样本相关因素平均值，x为第i个样本的电力负荷信号值，为所有样本电力负荷信号平均值，J为样本总个数，j为第j个样本，这里I＝J；p(*,·)为联合分布函数，q(·)为边缘分布函数。

4.根据权利要求1所述的基于ISGU混合模型的短期电力负荷预测方法，其特征在于，步骤S2中，构建GRU网络进行电力负荷预测，其输入参数为筛选出的电力负荷特征值C_v；同时将ISSA算法引入GRU网络的构建，利用ISSA算法对GRU网络中的隐含层节点数与迭代次数进行寻优，以得到结合GRU网络和ISSA算法的ISGU混合模型。

5.根据权利要求4所述的基于ISGU混合模型的短期电力负荷预测方法，其特征在于，GRU网络由重置门、更新门与输出门组成；GRU的重置门与更新门分别确定前一时刻状态记忆变量h_λ-1的遗忘程度与保留程度，其数学模型分别如公式(5)(6)所示：

其中C_v为输入向量，σ(·)为sigmoid激活函数，W_r为重置门权重，r为重置门状态，W_u为更新门权重，z为更新门状态；

根据重置门状态r_λ与C_v、h_λ-1得出当前时刻候选状态记忆变量其数学模型如公式(7)所示：

其中tanh(·)为双曲正切激活函数，W_o为计算部分的权重；

最后根据更新门状态z_λ对h_λ-1、进行遗忘与保留，由此获得GRU网络输出，其公式如(8)所示：

将h_λ输入至全连接层中得到负荷预测结果Y^pred。