买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国网浙江省电力有限公司丽水供电公司;浙江大学

摘要：本发明公开了一种基于元启发式算法优化的短期电力负荷预测方法、系统及存储介质，属于电力负荷预测技术领域，包括对获取的历史电力负荷数据和历史气象数据进行预处理，得到初始特征数据集；将初始特征数据集输入至预先构建的电力负荷短期预测模型进行预测，得到短期电力负荷预测结果。本发明通过在长短期记忆网络结构中引入堆叠残差模块构成融合残差优化网络模块，并设计多策略的鲸鱼优化算法进行超参数全局寻优，不仅可以更好地捕捉电力负荷的长期依赖模式，更准确地预测电力负荷的动态变化，而且实现了快速、有效的超参数调参工程，极大提高了模型的鲁棒性和预测准确性。

主权项：1.一种基于元启发式算法优化的短期电力负荷预测方法，其特征在于，包括以下步骤：获取历史电力负荷数据以及与所述历史电力负荷数据关联的历史气象数据，构建历史数据集；对所述历史数据集进行预处理，得到对应的初始特征数据集；将所述初始特征数据集输入至预先构建的电力负荷短期预测模型进行预测，得到短期电力负荷预测结果；其中，所述电力负荷短期预测模型包括依次连接的特征提取筛选模块和融合残差优化网络模块，所述融合残差优化网络模块由串联的迭代寻优模块和长短时记忆残差网络模块联合形成；所述迭代寻优模块中的迭代寻优算法采用引入基于余弦演化的随机莱维飞行策略和精英逆向学习策略的鲸鱼优化算法；其中，所述将所述初始特征数据集输入至预先构建的电力负荷短期预测模型进行预测，得到短期电力负荷预测结果，包括：采用所述特征提取筛选模块提取并筛选出所述初始特征数据集中的重要特征，得到重要特征集；设置所述长短时记忆残差网络模块的模型超参数，所述模型超参数包括所述长短时记忆残差网络模块的隐藏节点个数、学习率和滤波器系数；将所述模型超参数输入迭代寻优模块，通过所述迭代寻优模块中的迭代寻优算法采用引入基于余弦演化的随机莱维飞行策略和精英逆向学习策略的鲸鱼优化算法对所述模型超参数进行迭代寻优，得到超参数最优解组合；将所述超参数最优解组合和所述重要特征集输入长短时记忆残差网络模块进行预测，得到短期电力负荷预测结果；所述特征提取筛选模块采用随机森林算法从所述初始特征数据集中筛选重要特征，得到重要特征集，具体为：计算所述初始特征数据集中的特征重要度，并将所有的特征重要度按照预设的排序顺序进行排序，得到排序结果；确定剔除比例，根据所述特征重要度，将排序结果中的特征按照所述剔除比例进行剔除，得到候选特征集；若所述候选特征集的元素数量不满足预设特征数量条件，则循环执行上述步骤，根据所述剔除比例和特征重要度重新对候选特征集进行剔除，直至候选特征集中的元素数量满足预设特征数量条件；计算所有候选特征集的袋外误差率，根据所述袋外误差率筛选出最优的候选特征集作为重要特征集，袋外误差率的计算公式为： 式中，为第q棵树的袋外数据观测例数；Ig为指示函数，即两值相等时取1，不等时取0；Yb∈{0,1}为第b个观测的真实结果；为随机置换前第q棵树对OOB数据第b个观测的预测结果；为随机置换后第q棵树对袋外数据第b个观测的预测结果；所述通过所述迭代寻优模块中的迭代寻优算法采用引入基于余弦演化的随机莱维飞行策略和精英逆向学习策略的鲸鱼优化算法对所述模型超参数进行迭代寻优，得到超参数最优解组合的步骤包括：根据预先定义的种群数量、迭代总次数和搜索空间界限，利用高斯映射生成分布均匀的初始种群；对初始种群进行处理，生成逆解种群；根据预先构建的适应度函数对所述初始种群中的每个原解种群和逆解种群的适应度值进行计算，得到解适应度值，并根据所述解适应度值，利用精英逆向学习策略从原解种群和逆解种群中选取满足预设适应度阈值的精英群体；从所述精英群体的当前种群和反向种群中选取最佳个体作为下一轮迭代的最优子个体；根据预先构建的适应度函数计算最优子个体对应的适应度值，得到最优适应度值，并确定最优适应度值对应的最优个体位置；确定系数向量和状态判断系数，并判断所述系数向量的绝对值是否超过迭代总次数，若是，则判断所述状态判断系数是否超过预设状态阈值，若所述状态判断系数超过预设状态阈值，则对猎物进行包围；若所述状态判断系数未超过预设状态阈值，则采用基于余弦演化的随机莱维飞行策略将所述最优个体位置更新为当前全局最优位置；判断当前迭代次数是否达到迭代总次数，若是，则根据当前全局最优位置获取输入参数最优解组合，所述参数最优解组合包括最优隐藏节点个数、最优学习率和最优滤波器系数；若否，则重新根据预先构建的适应度函数对所述初始种群中的每个原解种群和逆解种群的适应度值进行计算；所述迭代寻优算法的适应度值为长短时记忆残差网络模块预测结果的均方误差，所述适应度函数具体为： 式中，Fit表示适应度值；n表示样本个数；yi表示第i个样本的观测值；xi表示第i个样本输出的预测值；p表示隐藏节点个数；l表示学习率；λ表示滤波器系数；所述基于余弦演化的随机莱维飞行策略具体为： ζ＝rand0,1]式中，Ls,γ,μ表示余弦演化的随机莱维飞行路径；s表示莱维飞行的随机步长；γ表示常数；μ表示最小跳跃步数；z表示余弦演化因子；ζ表示取值范围为0，1]的随机数；t表示当前迭代次数；r表示个体与目标之间的距离；u，v为符合正态分布的常数；β为取值[1，2]之间的常数；τ为常数；rand表示随机数生成函数；所述当前全局最优位置的更新公式为： 式中，Xt+1表示第t+1次迭代时的个体鲸鱼位置；Xt表示第t次迭代时的个体鲸鱼位置；A表示系数向量；D表示个体与猎物之间的距离；T表示迭代总次数；表示状态判断系数。

全文数据：

权利要求：

百度查询： 国网浙江省电力有限公司丽水供电公司 浙江大学 一种基于元启发式算法优化的短期电力负荷预测方法、系统及存储介质