本發(fā)明涉及電力系統(tǒng)，特別是一種基于改進gwo算法的短期電力負荷預測方法及系統(tǒng)。

背景技術：

1、電力負荷預測是電力系統(tǒng)規(guī)劃和電網運行的重要內容、前提和基礎，其預測方法主要是從已知的經濟、社會發(fā)展和電力需求情況出發(fā)，通過對歷史數據的分析和研究，以未來年份經濟、社會發(fā)展情況為依據，對電力需求做出預先的估計。因此電力負荷預測具有極為重要的意義。

2、由于電力系統(tǒng)是復雜大系統(tǒng)，且具有不確定、非線性、動態(tài)開放性，所以傳統(tǒng)的電力負荷預測方法(時間序列法、回歸分析法、灰色模型法、專家系統(tǒng)法等)難以精確的描述電力系統(tǒng)的復雜非線性特征，因而無法進行更為精確的負荷預測。

3、目前，電力負荷預測取得了一定的成果，多是通過機器學習算法來進行預測，如支持向量機(supportvectormachine，svm)，但是svm雖然具有不錯的局部搜索能力，卻在全局所搜時存在穩(wěn)定性差、準確率低的問題。因此，亟需一種新型的電力負荷預測方法，來提高電力負荷預測的準確性

技術實現思路

1、鑒于現有的基于改進gwo算法的短期電力負荷預測方法中存在的問題，提出了本發(fā)明。

2、因此，本發(fā)明所要解決的問題在于傳統(tǒng)的電力負荷預測方法難以精確的描述電力系統(tǒng)的復雜非線性特征，因而無法進行更為精確的負荷預測。

3、為解決上述技術問題，本發(fā)明提供如下技術方案：

4、第一方面，本發(fā)明實施例提供了一種基于改進gwo算法的短期電力負荷預測方法，其包括，獲取電力系統(tǒng)歷史負荷數據，確定電力負荷影響因素，并進行預處理；基于預處理的數據，構建電力負荷預測svm模型；基于構建的電力負荷預測svm模型結合改進的gwo算法尋優(yōu)，獲取電力負荷預測結果。

5、作為本發(fā)明所述基于改進gwo算法的短期電力負荷預測方法的一種優(yōu)選方案，其中：所述電力負荷影響因素包括氣象指標、人口學指標、經濟指標、節(jié)假日指標、政府調控措施以及電價-經濟指標；所述氣象指標為與電力系統(tǒng)負荷數據同期的每日氣象數據；所述人口學指標為與電力系統(tǒng)負荷數據同期的官方統(tǒng)計年鑒的年末常住人口數據；所述經濟指標為與電力系統(tǒng)負荷數據同期的統(tǒng)計局的gdp數據；所述節(jié)假日指標為與電力系統(tǒng)負荷數據同期的法定節(jié)假日數據；所述政府調控措施為與電力系統(tǒng)負荷數據同期的政府電價調控措施；所述電價-經濟綜合指標為與電力系統(tǒng)負荷數據同期的電價與人均gdp的比值。

6、作為本發(fā)明所述基于改進gwo算法的短期電力負荷預測方法的一種優(yōu)選方案，其中：所述預處理包括對數據進行等間隔化和去野值處理。

7、作為本發(fā)明所述基于改進gwo算法的短期電力負荷預測方法的一種優(yōu)選方案，其中：所述改進的gwo算法包括：構建初始狼群；基于差分進化算法對初始狼群進行處理，得到優(yōu)化后的初始狼群；基于余弦規(guī)律對收斂因子進行改進；基于步長歐式距離對四類狼群位置進行更新；通過透鏡成像反向學習策略優(yōu)化gwo算法跳出局部最優(yōu)；重復更新和優(yōu)化，直到達到最大迭代次數，得到尋優(yōu)結果。

8、作為本發(fā)明所述基于改進gwo算法的短期電力負荷預測方法的一種優(yōu)選方案，其中：基于所述差分進化算法對初始狼群進行處理，得到優(yōu)化后的初始狼群，具體包括：根據初始狼群構建父代種群；將父代種群和預處理后的數據集均輸入svm模型，計算父代種群的種群目標函數值；采用差分進化算法，對父代種群進行交叉和變異處理，得到子代種群；將子代種群和預處理后的數據集均輸入svm模型，計算子代種群的種群目標函數值；判斷子代種群的種群目標函數值是否大于父代種群的種群目標函數值，得到第一判斷結果；若第一判斷結果為是，則將父代種群更新為子代種群；若第一判斷結果為否，則保留父代種群；令第二迭代次數的數值增加1，并返回采用差分進化算法，對父代種群進行交叉和變異處理直至第二迭代次數達到第二迭代次數閾值，并將父代種群確定為優(yōu)化后的初始狼群。

9、作為本發(fā)明所述基于改進gwo算法的短期電力負荷預測方法的一種優(yōu)選方案，其中：基于所述余弦規(guī)律對收斂因子進行改進，計算公式表示為：

10、

11、其中，afiniaial和afinal為收斂因子a的初始值和最終值，t為當前迭代次數，tmax為最大迭代次數，n為遞減指數，0<n≤1。

12、作為本發(fā)明所述基于改進gwo算法的短期電力負荷預測方法的一種優(yōu)選方案，其中：基于所述步長歐式距離對四類狼群位置進行更新，計算公式表示為：

13、

14、其中，w1、w2、w3分別表示ω狼對α、β、δ狼的學習率，x1、x2、x3表示灰狼位置向量。

15、第二方面，本發(fā)明實施例提供了一種基于改進gwo算法的短期電力負荷預測系統(tǒng)，其包括：收集模塊，用于獲取電力系統(tǒng)歷史負荷數據，確定電力負荷影響因素，并進行預處理；構建模塊，用于根據預處理的數據，構建電力負荷預測svm模型；優(yōu)化模塊，用于根據構建的電力負荷預測svm模型結合改進的gwo算法尋優(yōu)，獲取電力負荷預測結果。

16、第三方面，本發(fā)明實施例提供了一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其中：所述處理器執(zhí)行所述計算機程序時實現上述的基于改進gwo算法的短期電力負荷預測方法的任一步驟。

17、第四方面，本發(fā)明實施例提供了一種計算機可讀存儲介質，其上存儲有計算機程序，其中：所述計算機程序被處理器執(zhí)行時實現上述的基于改進gwo算法的短期電力負荷預測方法的任一步驟。

18、本發(fā)明有益效果為本發(fā)明不僅能夠適應負荷變化，在負荷波動較大的情況下仍保持高精度預測，而且通過改進的算法有效避免了陷入局部最優(yōu)的問題，增強了模型的魯棒性。在實際電力系統(tǒng)中具有很高的應用價值，能夠為電力調度、電網運行優(yōu)化、需求側管理等提供更加精確和可靠的決策支持，有助于提高電力系統(tǒng)的經濟性和可靠性，降低運營成本，并為電力企業(yè)的精細化管理提供有力支撐。

技術特征：

1.一種基于改進gwo算法的短期電力負荷預測方法，其特征在于：包括，

2.如權利要求1所述的基于改進gwo算法的短期電力負荷預測方法，其特征在于：所述電力負荷影響因素包括氣象指標、人口學指標、經濟指標、節(jié)假日指標、政府調控措施以及電價-經濟指標；

3.如權利要求2所述的基于改進gwo算法的短期電力負荷預測方法，其特征在于：所述預處理包括對數據進行等間隔化和去野值處理。

4.如權利要求3所述的基于改進gwo算法的短期電力負荷預測方法，其特征在于：所述改進的gwo算法包括：

5.如權利要求4所述的基于改進gwo算法的短期電力負荷預測方法，其特征在于：基于所述差分進化算法對初始狼群進行處理，得到優(yōu)化后的初始狼群，具體包括：

6.如權利要求5所述的基于改進gwo算法的短期電力負荷預測方法，其特征在于：基于所述余弦規(guī)律對收斂因子進行改進，計算公式表示為：

7.如權利要求6所述的基于改進gwo算法的短期電力負荷預測方法，其特征在于：基于所述步長歐式距離對四類狼群位置進行更新，計算公式表示為：

8.一種基于改進gwo算法的短期電力負荷預測系統(tǒng)，基于權利要求1～7任一所述的基于改進gwo算法的短期電力負荷預測方法，其特征在于：包括，

9.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于：所述處理器執(zhí)行所述計算機程序時實現權利要求1～7任一所述的基于改進gwo算法的短期電力負荷預測方法的步驟。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于：所述計算機程序被處理器執(zhí)行時實現權利要求1～7任一所述的基于改進gwo算法的短期電力負荷預測方法的步驟。

技術總結
本發(fā)明公開了一種基于改進GWO算法的短期電力負荷預測方法及系統(tǒng)，涉及電力系統(tǒng)技術領域，包括獲取電力系統(tǒng)歷史負荷數據，確定電力負荷影響因素，并進行預處理；基于預處理的數據，構建電力負荷預測SVM模型；基于構建的電力負荷預測SVM模型結合改進的GWO算法尋優(yōu)，獲取電力負荷預測結果。本發(fā)明不僅能夠適應負荷變化，在負荷波動較大的情況下仍保持高精度預測，而且通過改進的算法有效避免了陷入局部最優(yōu)的問題，增強了模型的魯棒性。在實際電力系統(tǒng)中具有很高的應用價值，能夠為電力調度、電網運行優(yōu)化、需求側管理等提供更加精確和可靠的決策支持，有助于提高電力系統(tǒng)的經濟性和可靠性，降低運營成本，并為電力企業(yè)的精細化管理提供有力支撐。

技術研發(fā)人員：梁鈴,李俊林,黃育松,周忠強,姬源,萬會江,陳勝,馬建偉,宋堯,陳智祺,周思明,劉淑君,石啟宏,郭明,張云菊,陳馨,司勝文,劉胤楓,魏文瑄,李康,馮揚婧瀾,顏宗輝,李青峰,鄧金鑫
受保護的技術使用者：貴州電網有限責任公司
技術研發(fā)日：
技術公布日：2025/1/6