一种基于和声搜索算法的电力负荷基线计算方法及装置

技术领域

本发明涉及虚拟电厂技术领域，尤其是涉及一种基于和声搜索算法的电力负荷基线计算方法及装置。

背景技术

为满足短时高峰负荷需求，电力系统通常需要大量投资来建设发电机组及其配套输配电网络，设备利用率低，经济环保效益差。这些都对电力系统的调节控制能力以及运行经济性提出了新的挑战。

超大城市虚拟电厂公共建筑建设资源庞大，超大城市负荷集中、体量庞大，其中含办公建筑、商业建筑、旅游建筑、科教文卫建筑、通信建筑、交通运输类建筑在内的公共建筑是用电大户，约占超大城市总能耗的45％，以中央空调、水泵、充电桩、电梯为主的公共建筑负荷是构成系统负荷高峰的主要原因。同时这类负荷的用电功率具有一定的可调空间，通过集成互联网+、智慧能源技术以及先进的通信及控制技术，可以汇聚大量的公共建筑负荷资源形成虚拟电厂，实现对用户侧资源的充分利用。

电力负荷基线是指对用户如果没有参加需求响应项目时的负荷数据进行预测的曲线，准确的负荷基线是了解负荷的特性，评估负荷调节潜力的前提，也是虚拟电厂有效调度的前提。现有技术中，其负荷基线的计算方法大致可分为两大类：

平均值法：根据需求响应事件发生前非需求相应日的负荷数据进行一定的筛选后逐点平均得到需求响应日的用户负荷基线，该方法有效利用历史数据的信息，但是历史的条件和当前条件的差异无法比较。

回归法：将温度或者加权温度湿度指标作为回归分析的自变量建立回归模型进行基线预测，得到需求相应日的负荷基线，该方法忽略了太多的有效信息，应用方面也具有一定的局限性。

中国发明专利(申请号为CN201711345480.5)公开了一种基于用户实测数据修正的负荷基线预测方法，在负荷基线预测过程中既结合了历史负荷数据，又在计算过程中及时结合当前的实际负荷数据进行两次修正，预测的负荷基线更加符合实际的变化趋势，具有更好的应用效果，但是该方法依赖于历史测得的负荷基线的准确率，对于参数的要求较高，实用性较差。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于和声搜索算法的电力负荷基线计算方法及装置。

本发明的目的可以通过以下技术方案来实现：

一种基于和声搜索算法的电力负荷基线计算方法，包括以下步骤：

步骤1、获取待预测日期的横向预测负荷和待预测日期的纵向预测负荷；

步骤2、以横向预测负荷的权重系数为目标函数，初始化和声参数以及和声记忆库，随机产生多组第一初始权重系数并存入和声记忆库，通过生成随机数的方式生成新解，结合状态空间截断法根据新解更新和声记忆库，得到第一权重系数；

步骤3、以纵向预测负荷的权重系数为目标函数，初始化和声参数以及和声记忆库，随机产生多组第二初始权重系数并存入和声记忆库，通过生成随机数的方式生成新解，结合状态空间截断法根据新解更新和声记忆库，得到第二权重系数；

步骤4、将第一权重系数结合横向预测负荷的值和第二权重系数结合纵向预测负荷的值代入待预测基线，以待预测基线的权重系数为目标函数，初始化和声参数和和声记忆库，通过生成随机数的方式生成新解，结合状态空间截断法根据新解更新和声记忆库，得到基线权重系数；

步骤5、将基线权重系数代入待预测基线，输出结果。

所述的步骤1中，待预测日期的横向预测负荷表示待预测日之前第一时间维度的相似日的负荷。

所述的步骤1中，待预测日期的纵向预测负荷表示待预测日之前第二时间维度的相似日的负荷。

所述的步骤2中，和声参数包括和声记忆库考虑概率和微调概率。

生成新解的方法包括：

A1、生成随机数，并判断随机数大小是否不大于和声记忆库考虑概率，若是，则执行步骤A2，若否，则和声记忆库外随机生成新的第一初始权重系数作为新解；

A2、再次生成随机数，并判断随机数大小是否不大于微调概率，若是，则执行步骤A3，若否，则不生成新解；

A3、对和声记忆库进行扰动，更新和声记忆库中第一初始权重系数的值作为新解。

所述的步骤A3中，对和声记忆库进行扰动的过程具体为：

计算和声记忆库中多组第一初始权重系数的目标函数，计算每组发生扰动的概率，概率P

其中，fit

所述的步骤A3中，更新和声记忆库的过程具体为：

若生成的新解的目标函数高于和声记忆库中第一初始权重系数中的目标函数的最低值，则将新解替换目标函数最低值对应的第一初始权重系数；若存在多个优于和声记忆库中第一初始权重系数的新解，则根据状态空间截断法对新解进行排序，保留若干组目标函数最大的新解，存入和声记忆库。

一种实现所述电力负荷基线计算方法的装置，该装置包括存储器和处理器。

所述的存储器用以存储计算机程序。

所述的处理器用以当执行所述计算机程序时，实现以下方法：

步骤1、获取待预测日期的横向预测负荷和纵向预测负荷；

步骤2、以横向预测负荷的权重系数为目标函数，初始化和声参数以及和声记忆库，随机产生多组第一初始权重系数并存入和声记忆库，通过生成随机数的方式生成新解，结合状态空间截断法根据新解更新和声记忆库，得到第一权重系数；

步骤3、以纵向预测负荷的权重系数为目标函数，初始化和声参数以及和声记忆库，随机产生多组第二初始权重系数并存入和声记忆库，通过生成随机数的方式生成新解，结合状态空间截断法根据新解更新和声记忆库，得到第二权重系数；

步骤4、将第一权重系数结合横向预测负荷的值和第二权重系数结合纵向预测负荷的值代入待预测基线，以待预测基线的权重系数为目标函数，初始化和声参数和和声记忆库，通过生成随机数的方式生成新解，结合状态空间截断法根据新解更新和声记忆库，得到基线权重系数；

步骤5、将基线权重系数代入待预测基线，输出结果；

其中，待预测日期的横向预测负荷表示待预测日之前第一时间维度的相似日的负荷，待预测日期的纵向预测负荷表示待预测日之前第二时间维度的相似日的负荷，所述和声参数包括和声记忆库考虑概率和微调概率。

与现有技术相比，本发明具有以下优点：

1、本发明利用和声搜索算法，通过对不同时间维度的电力负荷分别进行参数权重计算，组合后再通过和声搜索算法计算负荷基线的参数权重，从而得到电力负荷基线。本发明采用了易实现且可调参数较少的和声搜索算法结合电力负荷基线的参数特点，在不依赖历史电力负荷基线的基础上预测了电力系统的负荷情况，通过提高电力负荷基线的计算准确率，继而保障对于电力系统的准确预测。

2、本发明通过生成随机数结合扰动的方式更新和声记忆库，充分考虑了各种权重参数的组成情况，进一步提高了计算的准确性。

附图说明

图1为本发明的流程示意图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

本实施例提供了一种基于和声搜索算法的电力负荷基线计算方法，电力负荷基线可用于预测虚拟电厂电力系统的负荷情况，从而根据预测情况及时执行应对措施，方法流程如图1所示，包括以下步骤：

步骤1、获取待预测日期的横向预测负荷和纵向预测负荷。

步骤2、以横向预测负荷的权重系数为目标函数，初始化和声参数以及和声记忆库，随机产生多组第一初始权重系数并存入和声记忆库，通过生成随机数的方式生成新解，结合状态空间截断法根据新解更新和声记忆库，得到第一权重系数。

步骤3、以纵向预测负荷的权重系数为目标函数，初始化和声参数以及和声记忆库，随机产生多组第二初始权重系数并存入和声记忆库，通过生成随机数的方式生成新解，结合状态空间截断法根据新解更新和声记忆库，得到第二权重系数。

步骤4、将第一权重系数结合横向预测负荷的值和第二权重系数结合纵向预测负荷的值代入待预测基线，以待预测基线的权重系数为目标函数，初始化和声参数和和声记忆库，通过生成随机数的方式生成新解，结合状态空间截断法根据新解更新和声记忆库，得到基线权重系数。

步骤5、将基线权重系数代入待预测基线，输出结果。

其中，步骤1具体包括以下内容：

假设x日为待预测日，从历史数据中的两个时间维度选取x日的相似日，横向相似日选取待预测日前N天的相似日，纵向相似日选取待预测日前M年的相似日，即综合考虑天气情况、经济增长、社会事件等因素的影响进行负荷基线预测。

在获取了横向相似日和纵向相似日后，可分别计算横向预测负荷和纵向预测负荷，计算表达式如下：

其中，g(x

步骤2具体包括以下内容：

首先，随机选取k个时刻的负荷作为输入变量，横向预测负荷的权重系数α

其中，fit

其中，e

除此之外，和声参数包括解的维数，即i；和声记忆库考虑概率(HMCR)，在本实施例中优选为0.8；微调概率(PAR)，在本实施例中优选为0.2；最大迭代次数(NI)，本实施例中优选为5000，本实施例中和声搜索算法的终止条件即为达到最大迭代次数。

初始化和声记忆库即为随机生成n组α

接下来根据随机数生成新解，生成新解的方法包括：

步骤A1、生成随机数r

步骤A2、再次生成随机数r

步骤A3、对和声记忆库进行扰动，更新和声记忆库中第一初始权重系数的值作为新解。

在本实施例中，扰动的原则如下：

和声库的n组解，每组解发生扰动的概率为P

根据以上概率，将发生扰动的解交换其α

若生成的新解的目标函数高于和声记忆库中第一初始权重系数中的目标函数的最低值，则将新解替换目标函数最低值对应的第一初始权重系数。

若存在多个优于和声记忆库中第一初始权重系数的新解，则根据状态空间截断法结合目标函数对新解进行排序，保留若干组目标函数最大的新解，存入和声记忆库。

在达到终止条件前，循环执行上述生成新解并更新和声记忆库的步骤，并在最后一次更新完后输出与和声记忆库中的第一权重参数。

步骤3具体包括以下内容：

步骤3主要对纵向预测负荷的权重系数通过和声搜索算法进行了计算，主要流程基本相同，但涉及的参数不同，随机选取l个时刻的负荷作为输入变量，纵向预测负荷的权重系数β

其中，fit

其中：e

生成新解的步骤与更新和声记忆库的步骤与步骤2相同，最终可得到第二权重系数。

步骤4具体包括以下内容：

在得到第一权重系数和第二权重系数后，更新横向预测负荷和纵向预测负荷，并代入待预测基线F(x)中，表达式如下：

F(x)＝ω

其中：ω

首先随机选取g个时刻的负荷作为输入变量，ω

其中，fit表示ω

其中，e(x)表示待预测基线的预测方差，F'(x)表示待预测x日实际负荷。约束条件为权重系数满足0≤ω

ω

生成新解的步骤与更新和声记忆库的步骤与步骤2和步骤3相同，最终可得到电力负荷基线。

本实施例还提供了一种基于和声搜索算法的电力负荷基线计算装置，包括存储器和处理器；存储器，用于存储计算机程序；处理器，用于当执行计算机程序时，实现上述基于和声搜索算法的电力负荷基线计算方法。

本实施例又提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述实施例中提到的基于和声搜索算法的电力负荷基线计算方法，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。