一種優(yōu)化改進(jìn)灰色模型的電網(wǎng)預(yù)測(cè)方法和裝置的制造方法
【專利摘要】本申請(qǐng)公開了一種優(yōu)化改進(jìn)灰色模型的電網(wǎng)預(yù)測(cè)方法和裝置，所述方法結(jié)合縱向交叉算法和橫向交叉算法對(duì)引入改進(jìn)的灰色模型中的背景值參數(shù)和初始值參數(shù)進(jìn)行更新優(yōu)化，通過最小適應(yīng)度算法計(jì)算得到更新后的背景值參數(shù)和初始值參數(shù)對(duì)應(yīng)的最小適應(yīng)度值。所述最小適應(yīng)度對(duì)應(yīng)的背景值參數(shù)和初始值參數(shù)相比原始背景值參數(shù)和初始值參數(shù)更優(yōu)，也就是說，將所述最小適應(yīng)度對(duì)應(yīng)的背景值參數(shù)和初始值參數(shù)帶入改進(jìn)的灰色模型函數(shù)獲得的預(yù)測(cè)結(jié)果更準(zhǔn)確，從而提升電網(wǎng)中長(zhǎng)期預(yù)測(cè)精度。
【專利說明】
一種優(yōu)化改進(jìn)灰色模型的電網(wǎng)預(yù)測(cè)方法和裝置
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及電力負(fù)荷預(yù)測(cè)領(lǐng)域，尤其涉及一種優(yōu)化改進(jìn)灰色模型的電網(wǎng)預(yù)測(cè)方法 和裝置。
【背景技術(shù)】
[0002] 電力負(fù)荷預(yù)測(cè)是電力系統(tǒng)經(jīng)濟(jì)運(yùn)行的基礎(chǔ)，提高負(fù)荷預(yù)測(cè)技術(shù)水平有利于用電管 理、合理安排電網(wǎng)運(yùn)行方式和機(jī)組檢修，從而提高電力系統(tǒng)的經(jīng)濟(jì)效益和社會(huì)效益。目前中 長(zhǎng)期電力負(fù)荷預(yù)測(cè)常用的方法有回歸分析預(yù)測(cè)法、時(shí)間序列隨機(jī)預(yù)測(cè)法、灰色預(yù)測(cè)法和神 經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法等。其中，灰色預(yù)測(cè)法因具有要求樣本數(shù)據(jù)少、預(yù)測(cè)精度高、可檢驗(yàn)性強(qiáng)等優(yōu) 點(diǎn)，被廣泛應(yīng)用在電力負(fù)荷預(yù)測(cè)領(lǐng)域中。
[0003] 目前，為了提高預(yù)測(cè)精度，提出了一種改進(jìn)的灰色模型，這種對(duì)于灰色模型的改進(jìn) 主要通過引入一個(gè)參數(shù)來修正灰色模型背景值的計(jì)算公式，但這種方法不能充分降低預(yù)測(cè) 誤差。針對(duì)只引入一對(duì)背景值參數(shù)和初始值參數(shù)到改進(jìn)的灰色模型中進(jìn)行負(fù)荷預(yù)測(cè)的方 法，其預(yù)測(cè)效果仍不夠理想。
[0004] 因此，如何優(yōu)化改進(jìn)灰色模型的引進(jìn)參數(shù)，使得電力負(fù)荷預(yù)測(cè)精度更高是需要解 決的技術(shù)問題。

【發(fā)明內(nèi)容】

[0005] 有鑒于此，本發(fā)明提供了一種優(yōu)化改進(jìn)灰色模型的電網(wǎng)預(yù)測(cè)方法和裝置，能夠?qū)?改進(jìn)灰色模型中引入的參數(shù)進(jìn)行優(yōu)化，從而達(dá)到提升電網(wǎng)中長(zhǎng)期預(yù)測(cè)精度的目的。
[0006] 本發(fā)明公開了一種優(yōu)化改進(jìn)灰色模型的電網(wǎng)預(yù)測(cè)方法，包括：
[0007] 獲取初始化原始數(shù)據(jù)，其中，所述原始數(shù)據(jù)包括:N組原始背景值參數(shù)和初始值參 數(shù)、最優(yōu)適應(yīng)度值；
[0008] 通過縱向交叉算法對(duì)所述N組背景值參數(shù)和初始值參數(shù)進(jìn)行更新，以獲得更新后 的N組背景值參數(shù)和初始值參數(shù)；
[0009] 根據(jù)最小適應(yīng)度方法計(jì)算得到所述更新后背景值參數(shù)和初始值參數(shù)對(duì)應(yīng)最小的 適應(yīng)度值；
[0010] 判斷所述最小的適應(yīng)度值是否小于所述最優(yōu)適應(yīng)度值；
[0011]若所述最小的適應(yīng)度值小于所述最優(yōu)適應(yīng)度值，則以所述最小的適應(yīng)度值更新所 述最優(yōu)適應(yīng)度值，否則保留所述最優(yōu)適應(yīng)度值；
[0012] 通過橫向交叉算法對(duì)所述通過縱向交叉算法更新的N組背景值參數(shù)和初始值參數(shù) 進(jìn)行更新，以獲得更新后的N組背景值參數(shù)和初始值參數(shù)；
[0013] 根據(jù)最小適應(yīng)度方法計(jì)算得到所述通過橫向交叉算法更新的N組背景值參數(shù)和初 始值參數(shù)對(duì)應(yīng)的最小的適應(yīng)度值；
[0014] 判斷所述通過橫向交叉算法更新的N組背景值參數(shù)和初始值參數(shù)對(duì)應(yīng)的最小的適 應(yīng)度值是否小于所述最優(yōu)適應(yīng)度值；
[0015] 若所述通過橫向交叉算法更新的N組背景值參數(shù)和初始值參數(shù)對(duì)應(yīng)的最小的適應(yīng) 度值小于所述最優(yōu)適應(yīng)度值，則將所述最小的適應(yīng)度值更新最優(yōu)適應(yīng)度值，否則保留最優(yōu) 適應(yīng)度值；
[0016] 輸出所述最后更新的最優(yōu)適應(yīng)度值對(duì)應(yīng)的背景值參數(shù)和初始值參數(shù)，以便將最優(yōu) 背景值參數(shù)和初始值參數(shù)帶入灰色模型計(jì)算負(fù)荷預(yù)測(cè)值。
[0017] 優(yōu)選的，所述獲取初始化原始數(shù)據(jù)，其中，所述原始數(shù)據(jù)包括:N組原始背景值參數(shù) 和初始值參數(shù)、最優(yōu)適應(yīng)度值，包括：
[0018] 隨機(jī)生成N組原始背景值參數(shù)和初始值參數(shù)，其中，N為大于1的正整數(shù)；
[0019] 通過最小適應(yīng)度方法計(jì)算得到N組背景值參數(shù)和初始值參數(shù)對(duì)應(yīng)最小的適應(yīng)度 值，以將所述最小的適應(yīng)度值作為最優(yōu)適應(yīng)度值。
[0020] 優(yōu)選的，所述通過最小適應(yīng)度方法計(jì)算得到N組背景值參數(shù)和初始值參數(shù)對(duì)應(yīng)最 小的適應(yīng)度值，包括：
[0021] 根據(jù)適應(yīng)度函數(shù)分別計(jì)算得到所述N組背景值參數(shù)和初始值參數(shù)的對(duì)應(yīng)的適應(yīng)度 值；
[0022] 比較所述N組背景值參數(shù)和初始值參數(shù)的對(duì)應(yīng)的適應(yīng)度值；
[0023] 根據(jù)比較結(jié)果，獲得最小的適應(yīng)度值，以便得到初始最優(yōu)適應(yīng)度值。
[0024] 優(yōu)選的，所述獲取初始化原始數(shù)據(jù)，之前，還包括：
[0025] 初始化最大迭代次數(shù)Tmax，其中，所述Tmax為正整數(shù)；
[0026] 其中，所述若所述通過橫向交叉算法更新的N組背景值參數(shù)和初始值參數(shù)對(duì)應(yīng)的 最小的適應(yīng)度值小于所述最優(yōu)適應(yīng)度值，則將所述最小的適應(yīng)度值更新最優(yōu)適應(yīng)度值，否 則保留最優(yōu)適應(yīng)度值之后，還包括：
[0027] 判斷通過縱橫交叉算法更新所述N組背景值參數(shù)和初始值參數(shù)的次數(shù)是否大于最 大迭代次數(shù)Tmax;
[0028] 若更新所述N組背景值參數(shù)和初始值參數(shù)的次數(shù)大于最大迭代次數(shù)Tmax，執(zhí)行輸出 所述最后更新的最優(yōu)適應(yīng)度值對(duì)應(yīng)的背景值參數(shù)和初始值參數(shù)；
[0029] 若更新所述N組背景值參數(shù)和初始值參數(shù)的次數(shù)小于等于最大迭代次數(shù)Tmax，執(zhí)行 通過縱向交叉算法對(duì)所述N組背景值參數(shù)和初始值參數(shù)進(jìn)行更新，以獲得更新后的N組背景 值參數(shù)和初始值參數(shù)。
[0030] 優(yōu)選的，所述通過縱向交叉算法對(duì)所述N組背景值參數(shù)和初始值參數(shù)進(jìn)行更新，以 獲得更新后的N組背景值參數(shù)和初始值參數(shù)之前，還包括：
[0031 ]對(duì)所述N個(gè)初始值參數(shù)進(jìn)行歸一化處理；
[0032] 通過縱向交叉算法對(duì)所述N組背景值參數(shù)和初始值參數(shù)進(jìn)行更新；
[0033] 對(duì)所述更新后的初始值參數(shù)進(jìn)行反歸一化處理；
[0034]獲得更新后的N組背景值參數(shù)和初始值參數(shù)。
[0035] 本發(fā)明公開了一種優(yōu)化改進(jìn)灰色模型的電網(wǎng)預(yù)測(cè)裝置，包括：
[0036] 原始數(shù)據(jù)獲取單元，用于獲取初始化原始數(shù)據(jù)，其中，所述原始數(shù)據(jù)包括:N組原始 背景值參數(shù)和初始值參數(shù)、最優(yōu)適應(yīng)度值；
[0037] 縱向交叉更新單元，用于通過縱向交叉算法對(duì)所述原始數(shù)據(jù)獲取單元獲得的N組 背景值參數(shù)和初始值參數(shù)進(jìn)行更新，以獲得更新后的N組背景值參數(shù)和初始值參數(shù)；
[0038] 第一適應(yīng)度計(jì)算單元，用于根據(jù)最小適應(yīng)度方法計(jì)算得到所述縱向交叉更新單元 更新后的背景值參數(shù)和初始值參數(shù)對(duì)應(yīng)最小的適應(yīng)度值；
[0039] 第一最優(yōu)判別單元，用于判斷所述第一適應(yīng)度計(jì)算模塊計(jì)算得到的最小的適應(yīng)度 值是否小于所述最優(yōu)適應(yīng)度值；
[0040] 第一最優(yōu)適應(yīng)度值更新單元，用于當(dāng)所述第一最優(yōu)判別單元的判別結(jié)果為所述最 小的適應(yīng)度值小于所述最優(yōu)適應(yīng)度值，將所述最小的適應(yīng)度值更新所述最優(yōu)適應(yīng)度值;否 則保留所述最優(yōu)適應(yīng)度值；
[0041] 橫向交叉更新單元，用于通過橫向交叉算法對(duì)所述縱向交叉更新單元更新的N組 背景值參數(shù)和初始值參數(shù)進(jìn)行更新，以獲得更新后的N組背景值參數(shù)和初始值參數(shù)；
[0042] 第二適應(yīng)度計(jì)算單元，用于根據(jù)最小適應(yīng)度方法計(jì)算得到所述橫向交叉更新單元 更新的N組背景值參數(shù)和初始值參數(shù)對(duì)應(yīng)的最小的適應(yīng)度值；
[0043] 第二最優(yōu)判別單元，用于判斷所述通過橫向交叉算法更新的N組背景值參數(shù)和初 始值參數(shù)對(duì)應(yīng)的最小的適應(yīng)度值是否小于所述最優(yōu)適應(yīng)度值；
[0044] 第二最優(yōu)適應(yīng)度值更新單元，用于當(dāng)所述第二最優(yōu)判別單元的判別結(jié)果為所述通 過橫向交叉算法更新的N組背景值參數(shù)和初始值參數(shù)對(duì)應(yīng)的最小的適應(yīng)度值小于所述最優(yōu) 適應(yīng)度值，將所述最小的適應(yīng)度值更新所述最優(yōu)適應(yīng)度值;否則保留最優(yōu)適應(yīng)度值；
[0045] 結(jié)果輸出單元，用于輸出所述最后更新的最優(yōu)適應(yīng)度值對(duì)應(yīng)的背景值參數(shù)和初始 值參數(shù)，以便將最優(yōu)背景值參數(shù)和初始值參數(shù)帶入灰色模型計(jì)算負(fù)荷預(yù)測(cè)值。
[0046] 優(yōu)選的，所述原始數(shù)據(jù)獲取單元，包括：
[0047] 初始參數(shù)獲取單元，用于隨機(jī)生成N組原始背景值參數(shù)和初始值參數(shù)，其中，N為大 于1的正整數(shù)；
[0048] 初始最優(yōu)適應(yīng)度獲取單元，用于通過最小適應(yīng)度方法計(jì)算得到N組背景值參數(shù)和 初始值參數(shù)對(duì)應(yīng)最小的適應(yīng)度值，以將所述最小的適應(yīng)度值作為最優(yōu)適應(yīng)度值。
[0049] 優(yōu)選的，所述初始最優(yōu)適應(yīng)度獲取單元，包括：
[0050] 第三適應(yīng)度計(jì)算單元，用于根據(jù)適應(yīng)度函數(shù)分別計(jì)算得到所述N組背景值參數(shù)和 初始值參數(shù)對(duì)應(yīng)的適應(yīng)度值；
[0051] 比較單元，用于比較所述第三適應(yīng)度計(jì)算單元計(jì)算得到的N組背景值參數(shù)和初始 值參數(shù)的對(duì)應(yīng)的適應(yīng)度值；
[0052] 獲取單元，用于根據(jù)所述比較單元的比較結(jié)果，獲得最小的適應(yīng)度值，以便得到初 始最優(yōu)適應(yīng)度值。
[0053]優(yōu)選的，所述的裝置，還包括：
[0054]迭代次數(shù)初始化單元，用于初始化最大迭代次數(shù)Tmax，其中，所述Tmax為正整數(shù)；
[0055] 迭代次數(shù)判別單元，用于判斷通過縱橫交叉算法更新所述N組背景值參數(shù)和初始 值參數(shù)的次數(shù)是否大于最大迭代次數(shù)Tmax;
[0056] 其中，若所述迭代次數(shù)判別單元判別得到更新所述N組背景值參數(shù)和初始值參數(shù) 的次數(shù)大于最大迭代次數(shù)Tmax，則所述結(jié)果輸出單元輸出所述最后更新的最優(yōu)適應(yīng)度值對(duì) 應(yīng)的背景值參數(shù)和初始值參數(shù);若所述迭代次數(shù)判別單元判別得到更新所述N組背景值參 數(shù)和初始值參數(shù)的次數(shù)小于等于最大迭代次數(shù)T max，則所述縱向交叉更新單元重新對(duì)上一 次得到的N組背景值參數(shù)和初始值參數(shù)進(jìn)行更新。
[0057]優(yōu)選的，所述的裝置，還包括：
[0058] 歸一化單元，用于對(duì)所述N個(gè)初始值參數(shù)進(jìn)行歸一化處理；
[0059] 其中，所述縱向交叉更新單元對(duì)所述歸一化單元得到的歸一化的N個(gè)初始值參數(shù) 進(jìn)行更新；
[0060] 反歸一化單元，用于對(duì)所述縱向交叉更新單元更新后的初始值參數(shù)進(jìn)行反歸一化 處理；
[0061] 數(shù)據(jù)獲取單元，用于獲得所述反歸一化單元反歸一化處理后的N個(gè)初始值參數(shù)，以 便獲得更新后的N組背景值參數(shù)和初始值參數(shù)。
[0062] 相對(duì)于現(xiàn)有技術(shù)，本發(fā)明的有益效果是:本發(fā)明結(jié)合縱向交叉算法和橫向交叉算 法對(duì)引入改進(jìn)的灰色模型中的背景值參數(shù)和初始值參數(shù)進(jìn)行更新優(yōu)化，通過最小適應(yīng)度算 法計(jì)算得到更新后的背景值參數(shù)和初始值參數(shù)對(duì)應(yīng)的最小適應(yīng)度值。所述最小適應(yīng)度對(duì)應(yīng) 的背景值參數(shù)和初始值參數(shù)相比原始背景值參數(shù)和初始值參數(shù)更優(yōu)，也就是說，將所述最 小適應(yīng)度對(duì)應(yīng)的背景值參數(shù)和初始值參數(shù)帶入改進(jìn)的灰色模型函數(shù)獲得的預(yù)測(cè)結(jié)果更準(zhǔn) 確，從而提升電網(wǎng)中長(zhǎng)期預(yù)測(cè)精度。
【附圖說明】
[0063] 為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本 發(fā)明的實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù) 提供的附圖獲得其他的附圖。
[0064] 圖1是本發(fā)明實(shí)施例公開的一種優(yōu)化改進(jìn)灰色模型的電網(wǎng)預(yù)測(cè)的方法流程圖；
[0065] 圖2是本發(fā)明另一實(shí)施例公開的一種優(yōu)化改進(jìn)灰色模型的電網(wǎng)預(yù)測(cè)的方法流程 圖；
[0066] 圖3是本發(fā)明實(shí)施例公開的一種優(yōu)化改進(jìn)灰色模型的電網(wǎng)預(yù)測(cè)的裝置結(jié)構(gòu)圖；
[0067] 圖4是本發(fā)明另一實(shí)施例公開的一種優(yōu)化改進(jìn)灰色模型的電網(wǎng)預(yù)測(cè)的裝置結(jié)構(gòu) 圖；
[0068] 圖5是本發(fā)明另一實(shí)施例公開的一種優(yōu)化改進(jìn)灰色模型的電網(wǎng)預(yù)測(cè)的裝置結(jié)構(gòu) 圖；
[0069] 圖6是本發(fā)明另一實(shí)施例公開的一種優(yōu)化改進(jìn)灰色模型的電網(wǎng)預(yù)測(cè)的裝置結(jié)構(gòu) 圖。
【具體實(shí)施方式】
[0070] 下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完 整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；?本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他 實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0071] 本發(fā)明公開了一種優(yōu)化改進(jìn)灰色模型的電網(wǎng)預(yù)測(cè)方法，參見圖1，所述方法，包括：
[0072] 步驟S101、獲取初始化原始數(shù)據(jù)，其中，所述原始數(shù)據(jù)包括:N組原始背景值參數(shù)和 初始值參數(shù)、最優(yōu)適應(yīng)度值；
[0073] 其中，設(shè)定初始用電量 ^) = ^)(1)^)(2),......x(0)(n)),N=n;
[0074] 引入?yún)?shù)η，初始值修正公式為:χ( 1) =x(Q) (1 )+n;
[0075]
[0076] 在構(gòu)建改進(jìn)的灰色預(yù)測(cè)模型的過程中，引入背景值Z(1)(k)，從而引入?yún)?shù)Θ，背景 值修正公式為:z (1)(k) = 91(0(1^-1) + (1-9)1(0(101^ = 2,3,…，η
[0077] 帶入公式 x(Q)(k)+az ⑴（k) =u;
[0078]
[0079] 根據(jù)公式(a，u)T，可以得到N組a、u;帶入改進(jìn)的灰色模型公式：
[0080]
[0081] 得到應(yīng)用電量X X < te "。的預(yù)測(cè)值⑴，Γ(2),….Γ帥 之后將預(yù)測(cè)值帶入適應(yīng)度計(jì)算公式計(jì)算Ν組原始背景值參數(shù)Θ和初始值參數(shù)η對(duì)應(yīng)的適應(yīng)度 值，其中適應(yīng)度函數(shù)公式如下：
[0082]
[0083] 得到Ν個(gè)適應(yīng)度值F，并且以Ν個(gè)適應(yīng)度值中最小的適應(yīng)度值作為初始最優(yōu)適應(yīng)度 值Pbest;
[0084] 其中，所述背景值參數(shù)Θ在背景值計(jì)算公式中引入，是對(duì)背景值的修正;所述初始 值參數(shù)η是對(duì)初始值的修正;所述適應(yīng)度表示背景值參數(shù)Θ和初始值參數(shù)τι用于改進(jìn)灰色建 模的適應(yīng)程度，所述最優(yōu)適應(yīng)度值F越小，說明背景值參數(shù)Θ和初始值參數(shù)η用于灰色建模的 適應(yīng)性越好;獲得Ν組原始背景值參數(shù)Θ和初始值參數(shù)η，通過最小適應(yīng)度算法從ν組原始背 景值參數(shù)Θ和初始值參數(shù)η找到最優(yōu)的背景值參數(shù)Θ和初始值參數(shù)η;
[0085] 步驟S102、通過縱向交叉算法對(duì)所述Ν組背景值參數(shù)Θ和初始值參數(shù)η進(jìn)行更新，以 獲得更新后的Ν組背景值參數(shù)和初始值參數(shù)；
[0086] 其中，所述縱向交叉算法表示通過縱向交叉生成子公式對(duì)所述Ν組背景值參數(shù)和 初始值參數(shù)進(jìn)行縱向更新；
[0087]縱向交叉生成子公式如下：
[0088] MSvc(i，di) = r*X(i，di) + ( l_r)*X(i，d2)，其中MSvc(i，di)表示X(i，di)通過縱向交 叉產(chǎn)生的子代，1^[1，捫^為隨機(jī)生成的(0，1)之間的隨機(jī)數(shù)，但不能大于設(shè)定的縱向交叉 概率;d表示維數(shù)，cU表示第一維，即Θ列，d 2表示第二維，即η列;X( i，cU)表示N個(gè)Θ ;
[0089] MSvc(i，d2) = r*X(i，d2) + ( l_r)*X(i，di)，其中MSvc(i，d2)表示X(i，d2)通過縱向交 叉產(chǎn)生的子代;X(i，d2)表不N個(gè)η;
[0090] 步驟S103、根據(jù)最小適應(yīng)度方法計(jì)算得到所述更新后背景值參數(shù)Θ和初始值參數(shù)η 對(duì)應(yīng)最小的適應(yīng)度值Gbest;
[0091] 其中，適應(yīng)度函數(shù)如下：
[0092]
[0093] 其中，F(xiàn)表示適應(yīng)度，表示通過改進(jìn)灰色模型得到的對(duì)應(yīng)原始用電量數(shù)據(jù)的 預(yù)測(cè)值;x((3)(k)表示原始用電量數(shù)據(jù);x(k)=x(())(k);
[0094] 所述最小適應(yīng)度方法就是通過適應(yīng)度函數(shù)計(jì)算所述N組背景值參數(shù)和初始值參數(shù) 對(duì)應(yīng)的適應(yīng)度值，再從N個(gè)適應(yīng)度值中找到最小的，即為最小的適應(yīng)度值；
[0095] 步驟S104、判斷所述最小的適應(yīng)度值是否小于所述最優(yōu)適應(yīng)度值;若所述最小的 適應(yīng)度值小于所述最優(yōu)適應(yīng)度值，執(zhí)行步驟S105，否則執(zhí)行步驟S106;
[0096] 其中，將最小的適應(yīng)度值Gbest與最優(yōu)適應(yīng)度值Pbest進(jìn)行比較，只有比最優(yōu)適應(yīng) 度值Pbest小的適應(yīng)度對(duì)應(yīng)的背景值參數(shù)Θ和初始值參數(shù) n才會(huì)被保留下來進(jìn)去下一次迭 代；
[0097] 步驟S105、將所述最小的適應(yīng)度值Gbest更新所述最優(yōu)適應(yīng)度值Pbest，
[0098] 步驟S106、保留所述最優(yōu)適應(yīng)度值Pbest;
[0099] 步驟S107、通過橫向交叉算法對(duì)所述通過縱向交叉算法更新的N組背景值參數(shù)Θ和 初始值參數(shù)η進(jìn)行更新，以獲得更新后的N組背景值參數(shù)和初始值參數(shù)；
[0100] 其中，所述橫向交叉算法表示通過橫向交叉生成子公式對(duì)所述Ν組背景值參數(shù)和 初始值參數(shù)進(jìn)行縱向更新；
[0101] 橫向交叉生成子公式如下：
[0102] ]\^。（1，(1)=。*父（1，(1) + (111)*父（」，(1)+。1*(父（1，(1)-父（」，(1))，其中]\^。（1，(1)表示 X(i，d)通過橫向交叉產(chǎn)生的子代，i e [ 1，Ν]的奇數(shù)，j e [ 1，Ν]的偶數(shù)，ri、r2為隨機(jī)生成的 (0，1)之間的隨機(jī)數(shù);d表示維數(shù)，cU表示第一維，即Θ列，d 2表示第二維，即η列；
[0103] MShc( j，d) = r2*X( j，d) + ( l_r2)*X(i，d)+C2*(X( j，d)_X(i，d))，其中MShc( j，d)表示 X(j，d)通過橫向交叉產(chǎn)生的子代；
[0104] 步驟S108、根據(jù)最小適應(yīng)度方法計(jì)算得到所述通過橫向交叉算法更新的N組背景 值參數(shù)Θ和初始值參數(shù)η對(duì)應(yīng)的最小的適應(yīng)度值Gbest;
[0105] 步驟S109、判斷所述通過橫向交叉算法更新的N組背景值參數(shù)Θ和初始值參數(shù)η對(duì) 應(yīng)的最小的適應(yīng)度值Gbest是否小于所述最優(yōu)適應(yīng)度值Pbest;若所述通過橫向交叉算法更 新的N組背景值參數(shù)和初始值參數(shù)對(duì)應(yīng)的最小的適應(yīng)度值Gbest小于所述最優(yōu)適應(yīng)度值 Pbest，執(zhí)行步驟S110，否則執(zhí)行步驟SI 11;
[0106] 步驟S110、將所述最小的適應(yīng)度值Gbest更新最優(yōu)適應(yīng)度值Pbest;
[0107] 步驟Sill、保留最優(yōu)適應(yīng)度值Pbest;
[0108] 步驟S112、輸出所述最后更新的最優(yōu)適應(yīng)度值對(duì)應(yīng)的背景值參數(shù)Θ和初始值參數(shù) n，以便將最優(yōu)背景值參數(shù)和初始值參數(shù)帶入灰色模型計(jì)算負(fù)荷預(yù)測(cè)值；
[0109] 本實(shí)施例中，通過結(jié)合縱向交叉算法和橫向交叉算法對(duì)引入改進(jìn)的灰色模型中的 背景值參數(shù)θ和初始值參數(shù)η進(jìn)行更新優(yōu)化，通過最小適應(yīng)度算法計(jì)算得到更新后的背景值 參數(shù)θ和初始值參數(shù)η對(duì)應(yīng)的最小適應(yīng)度值。所述最小適應(yīng)度對(duì)應(yīng)的背景值參數(shù)θ和初始值 參數(shù)η相比原始背景值參數(shù)和初始值參數(shù)更優(yōu)，也就是說，將所述最小適應(yīng)度對(duì)應(yīng)的背景值 參數(shù)和初始值參數(shù)帶入改進(jìn)的灰色模型函數(shù)獲得的預(yù)測(cè)結(jié)果更準(zhǔn)確，從而提升電網(wǎng)中長(zhǎng)期 預(yù)測(cè)精度。
[0110]優(yōu)選的，另一實(shí)施例中，所述獲取初始化原始數(shù)據(jù)，其中，所述原始數(shù)據(jù)包括:Ν組 原始背景值參數(shù)和初始值參數(shù)、最優(yōu)適應(yīng)度值，包括：
[0111] 隨機(jī)生成Ν組原始背景值參數(shù)θ和初始值參數(shù)η，其中，ν為大于1的正整數(shù)；
[0112] 根據(jù)適應(yīng)度函數(shù)分別計(jì)算得到所述Ν組背景值參數(shù)和初始值參數(shù)的對(duì)應(yīng)的適應(yīng)度 值；
[0113]比較所述Ν組背景值參數(shù)和初始值參數(shù)的對(duì)應(yīng)的適應(yīng)度值；
[0114] 根據(jù)比較結(jié)果，獲得最小的適應(yīng)度值，以所述最小的適應(yīng)度值作為最優(yōu)適應(yīng)度值 Pbest〇
[0115] 本實(shí)施例中，所述初始化原始數(shù)據(jù)包括隨機(jī)生成N組背景值參數(shù)Θ和初始值參數(shù)n， 根據(jù)原始用電量數(shù)據(jù)，通過改進(jìn)的灰色模型計(jì)算原始用電量數(shù)據(jù)的預(yù)測(cè)值，通過適應(yīng)度函 數(shù)計(jì)算所述N組背景值參數(shù)Θ和初始值參數(shù)η對(duì)應(yīng)的適應(yīng)度值，并將得到的所有適應(yīng)度值中 最小的適應(yīng)度值作為最優(yōu)適應(yīng)度值，從而完成對(duì)數(shù)據(jù)的初始化。
[0116] 優(yōu)選的，另一實(shí)施例中，公開一種優(yōu)化改進(jìn)灰色模型的電網(wǎng)預(yù)測(cè)方法，參見圖2,所 述方法包括：
[0117] 步驟S201、獲取初始化原始數(shù)據(jù)，其中，所述原始數(shù)據(jù)包括:Ν組原始背景值參數(shù)和 初始值參數(shù)、最優(yōu)適應(yīng)度值，并初始化最大迭代次數(shù)T max，其中，所述Tmax為正整數(shù)；
[0118] 步驟S202、通過縱向交叉算法對(duì)所述N組背景值參數(shù)Θ和初始值參數(shù)q進(jìn)行更新，以 獲得更新后的Ν組背景值參數(shù)和初始值參數(shù)；
[0119] 步驟S203、根據(jù)最小適應(yīng)度方法計(jì)算得到所述更新后背景值參數(shù)Θ和初始值參數(shù)η 對(duì)應(yīng)最小的適應(yīng)度值Gbest;
[0120] 步驟S204、判斷所述最小的適應(yīng)度值是否小于所述最優(yōu)適應(yīng)度值;若所述最小的 適應(yīng)度值小于所述最優(yōu)適應(yīng)度值，執(zhí)行步驟S105，否則執(zhí)行步驟S106;
[0121] 步驟S205、將所述最小的適應(yīng)度值Gbest更新所述最優(yōu)適應(yīng)度值Pbest;
[0122] 步驟S206、保留所述最優(yōu)適應(yīng)度值Pbest;
[0123] 步驟S207、通過橫向交叉算法對(duì)所述通過縱向交叉算法更新的N組背景值參數(shù)Θ和 初始值參數(shù)η進(jìn)行更新，以獲得更新后的N組背景值參數(shù)和初始值參數(shù)；
[0124] 步驟S208、根據(jù)最小適應(yīng)度方法計(jì)算得到所述通過橫向交叉算法更新的Ν組背景 值參數(shù)Θ和初始值參數(shù)η對(duì)應(yīng)的最小的適應(yīng)度值Gbest;
[0125] 步驟S209、判斷所述通過橫向交叉算法更新的N組背景值參數(shù)Θ和初始值參數(shù)n對(duì) 應(yīng)的最小的適應(yīng)度值Gbest是否小于所述最優(yōu)適應(yīng)度值Pbest;若所述通過橫向交叉算法更 新的N組背景值參數(shù)和初始值參數(shù)對(duì)應(yīng)的最小的適應(yīng)度值Gbest小于所述最優(yōu)適應(yīng)度值 Pbest，執(zhí)行步驟S210，否則執(zhí)行步驟S211;
[0126] 步驟S210、將所述最小的適應(yīng)度值Gbest更新最優(yōu)適應(yīng)度值Pbest;
[0127] 步驟S211、保留最優(yōu)適應(yīng)度值Pbest;
[0128] 步驟S212、判斷通過縱橫交叉算法更新所述N組背景值參數(shù)和初始值參數(shù)的次數(shù) 是否大于最大迭代次數(shù)Tmax;若小于最大迭代次數(shù)T max，執(zhí)行步驟S202,否則，執(zhí)行步驟步驟 S213；
[0129] 步驟S213、輸出所述最后更新的最優(yōu)適應(yīng)度值對(duì)應(yīng)的背景值參數(shù)Θ和初始值參數(shù) n，以便將最優(yōu)背景值參數(shù)和初始值參數(shù)帶入灰色模型計(jì)算負(fù)荷預(yù)測(cè)值。
[0130] 本實(shí)施例中，在初始化時(shí)設(shè)定最大迭代次數(shù)Tmax，能夠通過縱橫交叉算法Tmax次更 新所述N組背景值參數(shù)Θ和初始值參數(shù)n，迭代次數(shù)越多，所獲得的背景值參數(shù)θ和初始值參 數(shù)η越適應(yīng)改進(jìn)的灰色模型，但迭代次數(shù)不能無限制的增加，當(dāng)通過迭代獲得的最優(yōu)適應(yīng)度 值的精度達(dá)到要求時(shí)，停止迭代。從而找到最佳的背景值參數(shù)θ和初始值參數(shù)η組合，來提高 預(yù)測(cè)結(jié)果的準(zhǔn)確性。
[0131]優(yōu)選的，另一實(shí)施例中，所述通過縱向交叉算法對(duì)所述Ν組背景值參數(shù)Θ和初始值 參數(shù)η進(jìn)行更新，以獲得更新后的Ν組背景值參數(shù)Θ和初始值參數(shù)η之前，還包括：
[0132]對(duì)所述Ν個(gè)初始值參數(shù)進(jìn)行歸一化處理；
[0133] 其中，由于種群不同維上下限不同，所以在進(jìn)行縱向交叉前需要對(duì)根據(jù)每一維的 上下限進(jìn)行歸一化操作，以確?？v向交叉產(chǎn)生的子代在反歸一化后不超過原來的上下限;Ν 個(gè)n隨意取值，所以要先對(duì)n進(jìn)行歸一化處理，使得的n的取值在(0，1)之間；
[0134] 通過縱向交叉算法對(duì)所述N組背景值參數(shù)Θ和初始值參數(shù)n進(jìn)行更新；
[0135] 對(duì)所述更新后的初始值參數(shù)進(jìn)行反歸一化處理；
[0136] 其中，對(duì)所述更新后的初始值參數(shù)進(jìn)行反歸一化處理為了獲得n歸一化之前的數(shù) 值范圍；
[0137] 獲得更新后的N組背景值參數(shù)Θ和初始值參數(shù)η。
[0138] 本實(shí)施例中，對(duì)初始值參數(shù)q進(jìn)行歸一化處理，達(dá)到縱向交叉算法的數(shù)值范圍，這 樣才能通過縱向交叉算法對(duì)所述N組背景值參數(shù)Θ和初始值參數(shù)n進(jìn)行更新，由于背景值參 數(shù)Θ取值在(〇，1)之間，符合縱向交叉算法的數(shù)值范圍，所以只需對(duì)初始值參數(shù)n進(jìn)行歸一 化，從而保證縱向交叉算法對(duì)所述N組背景值參數(shù)Θ和初始值參數(shù)n進(jìn)行更新。
[0139] 相對(duì)于上述方法，本發(fā)明公開了一種優(yōu)化改進(jìn)灰色模型的電網(wǎng)預(yù)測(cè)裝置，參見圖 3,所述裝置包括：
[0140] 原始數(shù)據(jù)獲取單元101、縱向交叉更新單元102、第一適應(yīng)度計(jì)算單元103、第一最 優(yōu)判別單元104、第一最優(yōu)適應(yīng)度值更新單元105、橫向交叉更新單元106、第二適應(yīng)度計(jì)算 單元107、第二最優(yōu)判別單元108、第二最優(yōu)適應(yīng)度值更新單元109、結(jié)果輸出單元110;
[0141] 其中，所述原始數(shù)據(jù)獲取單元101獲取初始化原始數(shù)據(jù)，其中，所述原始數(shù)據(jù)包括： N組原始背景值參數(shù)和初始值參數(shù)、最優(yōu)適應(yīng)度值;所述縱向交叉更新單元102通過縱向交 叉算法對(duì)所述原始數(shù)據(jù)獲取單元101獲得的N組背景值參數(shù)和初始值參數(shù)進(jìn)行更新，以獲得 更新后的N組背景值參數(shù)和初始值參數(shù);所述第一適應(yīng)度計(jì)算單元103根據(jù)最小適應(yīng)度方法 計(jì)算得到所述縱向交叉更新單元102更新后的背景值參數(shù)和初始值參數(shù)對(duì)應(yīng)最小的適應(yīng)度 值;所述第一最優(yōu)判別單元104判斷所述第一適應(yīng)度計(jì)算單元103計(jì)算得到的最小的適應(yīng)度 值是否小于所述最優(yōu)適應(yīng)度值;若所述最小的適應(yīng)度值小于所述最優(yōu)適應(yīng)度值，所述第一 最優(yōu)適應(yīng)度值更新單元105以所述最小的適應(yīng)度值更新所述最優(yōu)適應(yīng)度值，否則保留所述 最優(yōu)適應(yīng)度值;所述橫向交叉更新單元106通過橫向交叉算法對(duì)所述縱向交叉更新單元102 更新的N組背景值參數(shù)和初始值參數(shù)進(jìn)行更新，以獲得更新后的N組背景值參數(shù)和初始值參 數(shù);所述第二適應(yīng)度計(jì)算單元107根據(jù)最小適應(yīng)度方法計(jì)算得到所述橫向交叉更新單元106 更新的N組背景值參數(shù)和初始值參數(shù)對(duì)應(yīng)的最小的適應(yīng)度值;所述第二最優(yōu)判別單元108判 斷所述通過橫向交叉算法更新的N組背景值參數(shù)和初始值參數(shù)對(duì)應(yīng)的最小的適應(yīng)度值是否 小于所述最優(yōu)適應(yīng)度值;若所述通過橫向交叉算法更新的N組背景值參數(shù)和初始值參數(shù)對(duì) 應(yīng)的最小的適應(yīng)度值小于所述最優(yōu)適應(yīng)度值，所述第二最優(yōu)適應(yīng)度值更新單元109將所述 最小的適應(yīng)度值更新為最優(yōu)適應(yīng)度值，否則保留最優(yōu)適應(yīng)度值；
[0142]最后所述結(jié)果輸出單元110輸出所述最后更新的最優(yōu)適應(yīng)度值對(duì)應(yīng)的背景值參數(shù) 和初始值參數(shù)，以便將最優(yōu)背景值參數(shù)和初始值參數(shù)帶入灰色模型計(jì)算負(fù)荷預(yù)測(cè)值。
[0143]需要說明的是，本實(shí)施例公開的優(yōu)化改進(jìn)灰色模型的電網(wǎng)預(yù)測(cè)裝置中，各個(gè)單元 的具體工作過程請(qǐng)參見對(duì)應(yīng)圖1的方法實(shí)施例，此處不再贅述。
[0144] 優(yōu)選的，另一實(shí)施例中，參見圖4，所述原始數(shù)據(jù)獲取單元，包括：
[0145] 初始參數(shù)獲取單元1011、初始最優(yōu)適應(yīng)度獲取單元1012;
[0146] 其中，所述初始最優(yōu)適應(yīng)度獲取單元1012包括：
[0147] 第三適應(yīng)度計(jì)算單元10121、比較單元10122、獲取單元10123;
[0148] 本實(shí)施例中，所述初始參數(shù)獲取單元1011隨機(jī)生成N組原始背景值參數(shù)和初始值 參數(shù)，其中，N為大于1的正整數(shù);所述第三適應(yīng)度計(jì)算單元10121根據(jù)適應(yīng)度函數(shù)分別計(jì)算 得到所述初始參數(shù)獲取單元1011隨機(jī)生成的N組背景值參數(shù)和初始值參數(shù)對(duì)應(yīng)的適應(yīng)度 值;所述比較單元10122比較所述第三適應(yīng)度計(jì)算單元10121計(jì)算得到的N組背景值參數(shù)和 初值參數(shù)的對(duì)應(yīng)的適應(yīng)度值;所述獲取單元10123根據(jù)所述比較單元10122的比較結(jié)果，獲 得最小的適應(yīng)度值，以便得到初始最優(yōu)適應(yīng)度值。
[0149] 需要說明的是，本實(shí)施例公開的優(yōu)化改進(jìn)灰色模型的電網(wǎng)預(yù)測(cè)裝置中，各個(gè)單元 的具體工作過程請(qǐng)參見對(duì)應(yīng)的方法實(shí)施例，此處不再贅述。
[0150] 優(yōu)選的，另一實(shí)施例中，參見圖5，所述裝置，還包括：
[0151 ]迭代次數(shù)初始化單元111、迭代次數(shù)判別單元112;
[0152] 其中，所述迭代次數(shù)初始化單元111初始化最大迭代次數(shù)Tmax，其中，所述Tmax為正 整數(shù)；
[0153] 所述迭代次數(shù)判別單元112在所述第二最優(yōu)適應(yīng)度值更新單元109對(duì)最優(yōu)適應(yīng)度 值更新之后，判斷通過縱橫交叉算法更新所述N組背景值參數(shù)和初始值參數(shù)的次數(shù)是否大 于最大迭代次數(shù)Tmax ;
[0154] 若所述迭代次數(shù)判別單元112判別得到更新所述N組背景值參數(shù)和初始值參數(shù)的 次數(shù)大于最大迭代次數(shù)Tmax，則所述結(jié)果輸出單元110輸出所述最后更新的最優(yōu)適應(yīng)度值對(duì) 應(yīng)的背景值參數(shù)和初始值參數(shù);若所述迭代次數(shù)判別單元112判別得到更新所述N組背景值 參數(shù)和初始值參數(shù)的次數(shù)小于等于最大迭代次數(shù)T max，則所述縱向交叉更新單元102重新對(duì) 上一次得到的N組背景值參數(shù)和初始值參數(shù)進(jìn)行更新。
[0155] 需要說明的是，本實(shí)施例公開的優(yōu)化改進(jìn)灰色模型的電網(wǎng)預(yù)測(cè)裝置中，各個(gè)單元 的具體工作過程請(qǐng)參見對(duì)應(yīng)圖2的方法實(shí)施例，此處不再贅述。
[0156] 優(yōu)選的，另一實(shí)施例中，參見圖6，所述裝置，還包括：
[0157] 歸一化單元113、反歸一化單元114、數(shù)據(jù)獲取單元115;
[0158]其中，在所述縱向交叉更新單元102通過縱向交叉算法對(duì)所述原始數(shù)據(jù)獲取單元 獲得的N組背景值參數(shù)和初始值參數(shù)進(jìn)行更新之前，需要所述歸一化單元113對(duì)N個(gè)初始值 參數(shù)進(jìn)行歸一化處理，以便將所述N個(gè)初始值參數(shù)歸一化到縱向交叉算法允許的數(shù)值范圍； 所述縱向交叉更新單元102對(duì)N組背景值參數(shù)和初始值參數(shù)更新后，所述反歸一化單元114 對(duì)N個(gè)初始值參數(shù)進(jìn)行反歸一化處理;所述數(shù)據(jù)獲取單元115獲得所述反歸一化單元114反 歸一化處理后的N個(gè)初始值參數(shù)，以便獲得更新后的N組背景值參數(shù)和初始值參數(shù)。
[0159]需要說明的是，本實(shí)施例公開的優(yōu)化改進(jìn)灰色模型的電網(wǎng)預(yù)測(cè)裝置中，各個(gè)單元 的具體工作過程請(qǐng)參見對(duì)應(yīng)的方法實(shí)施例，此處不再贅述。
[0160]對(duì)所公開的實(shí)施例的上述說明，使本領(lǐng)域?qū)I(yè)技術(shù)人員能夠?qū)崿F(xiàn)或使用本發(fā)明。 對(duì)這些實(shí)施例的多種修改對(duì)本領(lǐng)域的專業(yè)技術(shù)人員來說將是顯而易見的，本文中所定義的 一般原理可以在不脫離本發(fā)明的精神或范圍的情況下，在其它實(shí)施例中實(shí)現(xiàn)。因此，本發(fā)明 將不會(huì)被限制于本文所示的這些實(shí)施例，而是要符合與本文所公開的原理和新穎特點(diǎn)相一 致的最寬的范圍。
【主權(quán)項(xiàng)】
1. 一種優(yōu)化改進(jìn)灰色模型的電網(wǎng)預(yù)測(cè)方法，其特征在于，包括： 獲取初始化原始數(shù)據(jù)，其中，所述原始數(shù)據(jù)包括:N組原始背景值參數(shù)和初始值參數(shù)、最 優(yōu)適應(yīng)度值； 通過縱向交叉算法對(duì)所述N組背景值參數(shù)和初始值參數(shù)進(jìn)行更新，以獲得更新后的N組 背景值參數(shù)和初始值參數(shù)； 根據(jù)最小適應(yīng)度方法計(jì)算得到所述更新后背景值參數(shù)和初始值參數(shù)對(duì)應(yīng)最小的適應(yīng) 度值； 判斷所述最小的適應(yīng)度值是否小于所述最優(yōu)適應(yīng)度值； 若所述最小的適應(yīng)度值小于所述最優(yōu)適應(yīng)度值，則以所述最小的適應(yīng)度值更新所述最 優(yōu)適應(yīng)度值，否則保留所述最優(yōu)適應(yīng)度值； 通過橫向交叉算法對(duì)所述通過縱向交叉算法更新的N組背景值參數(shù)和初始值參數(shù)進(jìn)行 更新，以獲得更新后的N組背景值參數(shù)和初始值參數(shù)； 根據(jù)最小適應(yīng)度方法計(jì)算得到所述通過橫向交叉算法更新的N組背景值參數(shù)和初始值 參數(shù)對(duì)應(yīng)的最小的適應(yīng)度值； 判斷所述通過橫向交叉算法更新的N組背景值參數(shù)和初始值參數(shù)對(duì)應(yīng)的最小的適應(yīng)度 值是否小于所述最優(yōu)適應(yīng)度值； 若所述通過橫向交叉算法更新的N組背景值參數(shù)和初始值參數(shù)對(duì)應(yīng)的最小的適應(yīng)度值 小于所述最優(yōu)適應(yīng)度值，則將所述最小的適應(yīng)度值更新最優(yōu)適應(yīng)度值，否則保留最優(yōu)適應(yīng) 度值； 輸出所述最后更新的最優(yōu)適應(yīng)度值對(duì)應(yīng)的背景值參數(shù)和初始值參數(shù)，以便將最優(yōu)背景 值參數(shù)和初始值參數(shù)帶入灰色模型計(jì)算負(fù)荷預(yù)測(cè)值。2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取初始化原始數(shù)據(jù)，其中，所述原始 數(shù)據(jù)包括:N組原始背景值參數(shù)和初始值參數(shù)、最優(yōu)適應(yīng)度值，包括： 隨機(jī)生成N組原始背景值參數(shù)和初始值參數(shù)，其中，N為大于1的正整數(shù)； 通過最小適應(yīng)度方法計(jì)算得到N組背景值參數(shù)和初始值參數(shù)對(duì)應(yīng)最小的適應(yīng)度值，以 將所述最小的適應(yīng)度值作為最優(yōu)適應(yīng)度值。3. 根據(jù)權(quán)利要求2所述的方法，其特征在于，所述通過最小適應(yīng)度方法計(jì)算得到N組背 景值參數(shù)和初始值參數(shù)對(duì)應(yīng)最小的適應(yīng)度值，包括： 根據(jù)適應(yīng)度函數(shù)分別計(jì)算得到所述N組背景值參數(shù)和初始值參數(shù)的對(duì)應(yīng)的適應(yīng)度值； 比較所述N組背景值參數(shù)和初始值參數(shù)的對(duì)應(yīng)的適應(yīng)度值； 根據(jù)比較結(jié)果，獲得最小的適應(yīng)度值，以便得到初始最優(yōu)適應(yīng)度值。4. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取初始化原始數(shù)據(jù)，之前，還包括： 初始化最大迭代次數(shù)Tmax，其中，所述Tmax為正整數(shù)； 其中，所述若所述通過橫向交叉算法更新的N組背景值參數(shù)和初始值參數(shù)對(duì)應(yīng)的最小 的適應(yīng)度值小于所述最優(yōu)適應(yīng)度值，則將所述最小的適應(yīng)度值更新最優(yōu)適應(yīng)度值，否則保 留最優(yōu)適應(yīng)度值之后，還包括： 判斷通過縱橫交叉算法更新所述N組背景值參數(shù)和初始值參數(shù)的次數(shù)是否大于最大迭 代次數(shù)Tmax; 若更新所述N組背景值參數(shù)和初始值參數(shù)的次數(shù)大于最大迭代次數(shù)Tmax，執(zhí)行輸出所述 最后更新的最優(yōu)適應(yīng)度值對(duì)應(yīng)的背景值參數(shù)和初始值參數(shù)； 若更新所述N組背景值參數(shù)和初始值參數(shù)的次數(shù)小于等于最大迭代次數(shù)Tmax，執(zhí)行通過 縱向交叉算法對(duì)所述N組背景值參數(shù)和初始值參數(shù)進(jìn)行更新，以獲得更新后的N組背景值參 數(shù)和初始值參數(shù)。5. 根據(jù)權(quán)利要求1所述的方法，其特征在于，通過縱向交叉算法對(duì)所述N組背景值參數(shù) 和初始值參數(shù)進(jìn)行更新，以獲得更新后的N組背景值參數(shù)和初始值參數(shù)之前，還包括： 對(duì)所述N個(gè)初始值參數(shù)進(jìn)行歸一化處理； 通過縱向交叉算法對(duì)所述N組背景值參數(shù)和初始值參數(shù)進(jìn)行更新； 對(duì)所述更新后的初始值參數(shù)進(jìn)行反歸一化處理； 獲得更新后的N組背景值參數(shù)和初始值參數(shù)。6. -種優(yōu)化改進(jìn)灰色模型的電網(wǎng)預(yù)測(cè)裝置，其特征在于，包括： 原始數(shù)據(jù)獲取單元，用于獲取初始化原始數(shù)據(jù)，其中，所述原始數(shù)據(jù)包括:N組原始背景 值參數(shù)和初始值參數(shù)、最優(yōu)適應(yīng)度值； 縱向交叉更新單元，用于通過縱向交叉算法對(duì)所述原始數(shù)據(jù)獲取單元獲得的N組背景 值參數(shù)和初始值參數(shù)進(jìn)行更新，以獲得更新后的N組背景值參數(shù)和初始值參數(shù)； 第一適應(yīng)度計(jì)算單元，用于根據(jù)最小適應(yīng)度方法計(jì)算得到所述縱向交叉更新單元更新 后的背景值參數(shù)和初始值參數(shù)對(duì)應(yīng)最小的適應(yīng)度值； 第一最優(yōu)判別單元，用于判斷所述第一適應(yīng)度計(jì)算模塊計(jì)算得到的最小的適應(yīng)度值是 否小于所述最優(yōu)適應(yīng)度值； 第一最優(yōu)適應(yīng)度值更新單元，用于當(dāng)所述第一最優(yōu)判別單元的判別結(jié)果為所述最小的 適應(yīng)度值小于所述最優(yōu)適應(yīng)度值，將所述最小的適應(yīng)度值更新所述最優(yōu)適應(yīng)度值;否則保 留所述最優(yōu)適應(yīng)度值； 橫向交叉更新單元，用于通過橫向交叉算法對(duì)所述縱向交叉更新單元更新的N組背景 值參數(shù)和初始值參數(shù)進(jìn)行更新，以獲得更新后的N組背景值參數(shù)和初始值參數(shù)； 第二適應(yīng)度計(jì)算單元，用于根據(jù)最小適應(yīng)度方法計(jì)算得到所述橫向交叉更新單元更新 的N組背景值參數(shù)和初始值參數(shù)對(duì)應(yīng)的最小的適應(yīng)度值； 第二最優(yōu)判別單元，用于判斷所述通過橫向交叉算法更新的N組背景值參數(shù)和初始值 參數(shù)對(duì)應(yīng)的最小的適應(yīng)度值是否小于所述最優(yōu)適應(yīng)度值； 第二最優(yōu)適應(yīng)度值更新單元，用于當(dāng)所述第二最優(yōu)判別單元的判別結(jié)果為所述通過橫 向交叉算法更新的N組背景值參數(shù)和初始值參數(shù)對(duì)應(yīng)的最小的適應(yīng)度值小于所述最優(yōu)適應(yīng) 度值，將所述最小的適應(yīng)度值更新所述最優(yōu)適應(yīng)度值;否則保留最優(yōu)適應(yīng)度值； 結(jié)果輸出單元，用于輸出所述最后更新的最優(yōu)適應(yīng)度值對(duì)應(yīng)的背景值參數(shù)和初始值參 數(shù)，以便將最優(yōu)背景值參數(shù)和初始值參數(shù)帶入灰色模型計(jì)算負(fù)荷預(yù)測(cè)值。7. 根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述原始數(shù)據(jù)獲取單元，包括： 初始參數(shù)獲取單元，用于隨機(jī)生成N組原始背景值參數(shù)和初始值參數(shù)，其中，N為大于1 的正整數(shù)； 初始最優(yōu)適應(yīng)度獲取單元，用于通過最小適應(yīng)度方法計(jì)算得到N組背景值參數(shù)和初始 值參數(shù)對(duì)應(yīng)最小的適應(yīng)度值，以將所述最小的適應(yīng)度值作為最優(yōu)適應(yīng)度值。8. 根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述初始最優(yōu)適應(yīng)度獲取單元，包括： 第三適應(yīng)度計(jì)算單元，用于根據(jù)適應(yīng)度函數(shù)分別計(jì)算得到所述N組背景值參數(shù)和初始 值參數(shù)對(duì)應(yīng)的適應(yīng)度值； 比較單元，用于比較所述第三適應(yīng)度計(jì)算單元計(jì)算得到的N組背景值參數(shù)和初始值參 數(shù)的對(duì)應(yīng)的適應(yīng)度值； 獲取單元，用于根據(jù)所述比較單元的比較結(jié)果，獲得最小的適應(yīng)度值，以便得到初始最 優(yōu)適應(yīng)度值。9. 根據(jù)權(quán)利要求6所述的裝置，其特征在于，還包括： 迭代次數(shù)初始化單元，用于初始化最大迭代次數(shù)Tmax，其中，所述Tmax為正整數(shù)； 迭代次數(shù)判別單元，用于判斷通過縱橫交叉算法更新所述N組背景值參數(shù)和初始值參 數(shù)的次數(shù)是否大于最大迭代次數(shù)Tmax; 其中，若所述迭代次數(shù)判別單元判別得到更新所述N組背景值參數(shù)和初始值參數(shù)的次 數(shù)大于最大迭代次數(shù)Tmax，則所述結(jié)果輸出單元輸出所述最后更新的最優(yōu)適應(yīng)度值對(duì)應(yīng)的 背景值參數(shù)和初始值參數(shù);若所述迭代次數(shù)判別單元判別得到更新所述N組背景值參數(shù)和 初始值參數(shù)的次數(shù)小于等于最大迭代次數(shù)T max，則所述縱向交叉更新單元重新對(duì)上一次得 到的N組背景值參數(shù)和初始值參數(shù)進(jìn)行更新。10. 根據(jù)權(quán)利要求6所述的裝置，其特征在于，還包括： 歸一化單元，用于對(duì)所述N個(gè)初始值參數(shù)進(jìn)行歸一化處理； 其中，所述縱向交叉更新單元對(duì)所述歸一化單元得到的歸一化的N個(gè)初始值參數(shù)進(jìn)行 更新； 反歸一化單元，用于對(duì)所述縱向交叉更新單元更新后的初始值參數(shù)進(jìn)行反歸一化處 理； 數(shù)據(jù)獲取單元，用于獲得所述反歸一化單元反歸一化處理后的N個(gè)初始值參數(shù)，以便獲 得更新后的N組背景值參數(shù)和初始值參數(shù)。
【文檔編號(hào)】G06Q50/06GK105976045SQ201610264550
【公開日】2016年9月28日
【申請(qǐng)日】2016年4月26日
【發(fā)明人】周志琴, 殷豪
【申請(qǐng)人】廣東工業(yè)大學(xué)