基于改进鲸鱼优化算法的微网短期电价与负荷预测方法与流程

技术特征：
1.基于改进鲸鱼优化算法的微网短期电价与负荷预测方法，包括以下步骤：步骤1，通过变分模态分解方法将原始信号分解为表达电价和负荷需求关系的四个分量，建立电价和负荷模型；其中，原始信号包括价格预测信号和负荷预测信号；步骤2，在步骤1构建电价和负荷模型的基础上，建立特征选择模型，其作为预测模型的基础，选取影响电价和负荷预测模型的最佳的候选输入量；步骤3，采用改进鲸鱼算法对特征选择模型中参数进行优化，实现参数的优选功能；步骤4，利用复合神经网络模型对优化后的特征选择模型进行参数输入与训练；步骤5，使用不同的错误标准评估模型，在所有可调参数组合都已尝试过的情况下，根据误差函数选择最佳组合；或者根据特征选择技术更改参数，然后返回步骤2。2.根据权利要求1所述的基于改进鲸鱼优化算法的微网短期电价与负荷预测方法，其特征在于，步骤2中，特征选择模型的成本函数如下：式中：和分别是实际值和预测值；β
i
和γ分别是特征数和常数。3.根据权利要求1所述的基于改进鲸鱼优化算法的微网短期电价与负荷预测方法，其特征在于，所述的改进鲸鱼算法中的种群初始值是选择帐篷地图法来初始化种群，其数学表达式如下：式中：i表示迭代次数；c
i
表示计算中间值，取值范围(0,1)。使用混沌映射初始化鲸鱼种群的公式如下所示：x
i,j
＝x
min,j
z
i,j
(x
max,j-x
min,j
)式中：x
i,j
表示第i个试剂的第j维的值；x
min,j
和x
max,j
分别表示第j维的下界和上界；z
i,j
表示第i个代理的第j维混沌变量；z
0,j
表示(0,1)中的随机数。4.根据权利要求1所述的基于改进鲸鱼优化算法的微网短期电价与负荷预测方法，其特征在于，所述复合神经网络包括：
输入层，向模型输入数据；模式层，其中神经元可以记忆输入神经元之间的相关性以及模式层的适当响应；模式q
i
可通过以下公式计算：式中：σ表示平滑因子(扩散参数)；z表示输入变量；z
i
表示与模式层相关的第i个神经元的训练样本；求和层，模式层输出输入到该层，模式输出的简单总和可以通过以下公式进行评估：模式层的输出加权和可通过以下公式计算：式中：w
i
表示模式层中的第i个神经元权重，该权重附加到求和层；输出层，在求和层中确定的总和的结果被传输到输出层；n是训练模式的数量，结果通过以下方式获得：5.根据权利要求1所述的基于改进鲸鱼优化算法的微网短期电价与负荷预测方法，其特征在于，所述步骤5中的错误标准包括均方根误差、平均绝对误差、平均绝对百分比误差、粒子间距离、泰尔不等系数。

技术总结
基于改进鲸鱼优化算法的微网短期电价与负荷预测方法，包括分析不同的电力市场，建立预测模型输入信号；分解输入信号，通过变分模态分解方法将价格和负荷信号分解为表达电价和负荷需求关系的分量，建立电价和负荷模型；然后，考虑到预测模型的建模方式需识别该信号过去行为的重要特征，建立特征选择模型，选取影响电价和负荷预测模型的最佳的候选输入量；其次，建立输入组合智能预测模型，采用复合神经网络和改进鲸鱼优化算法优化参数，训练数据集；最后，使用不同的误差标准评估模型，在所有可调参数组合都已尝试过的情况下，根据误差函数选择最佳组合。数选择最佳组合。


技术研发人员：李娜 张志刚 刘畅 孟伟 高毅 罗帅 夏冬 唐永聪
受保护的技术使用者：国家电网有限公司
技术研发日：2022.11.09
技术公布日：2023/2/3