(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111512649.8 (22)申请日 2021.12.1 1 (71)申请人 上海电机学院 地址 200240 上海市闵行区江川路690号 (72)发明人 邹定江　刘天羽　 (74)专利代理 机构 上海科盛知识产权代理有限 公司 312 25 代理人 叶敏华 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/00(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 10/04(2012.01) G06Q 50/06(2012.01) (54)发明名称 基于混沌麻雀搜索算法的短期电力负荷预 测方法及装置 (57)摘要 本发明涉及一种基于混沌麻雀搜索算法的 短期电力负荷预测方法及装置， 所述方法包括： S1： 获取历史电力负荷数据， 并根据历史电力负 荷数据获取电力负荷值影响因素； S2： 对历史电 力负荷数据进行预处理； S3： 构建初始短期电力 负荷预测模型并进行训练， 得到最优预测模型； S4： 使用最优预测模型进行短期电力负荷预测， 对输出数据进行反归一化， 得到电力负荷预测结 果。 与现有 技术相比， 本发明具有预测精度高、 效 率高等优点。 权利要求书3页 说明书6页 附图3页 CN 114372408 A 2022.04.19 CN 114372408 A 1.一种基于混沌麻雀搜索算法的短期电力负荷预测方法， 其特 征在于， 包括以下步骤： S1： 获取历史电力负荷数据， 并根据历史电力负荷数据获取电力负荷值影响因素； S2： 对历史电力负荷数据进行 预处理； S3： 构建初始短期电力负荷预测模型并进行训练， 得到最优预测模型； S4： 使用最优预测模型进行短期电力负荷预测， 对输出数据进行反归一化， 得到电力负 荷预测结果。 2.根据权利要求1所述的一种基于混沌麻雀搜索算法的短期电力负荷预测方法， 其特 征在于， 所述的步骤S3具体包括： S31： 将预处 理后的历史电力负荷数据分为训练集和 测试集； S32： 根据电力负荷影响因素和训练集， 建立基于BP神经网络的初始短期电力负荷预测 模型； S33： 采用基于Sine混沌 映射的麻雀搜索算法和测试集对初始短期电力负荷预测模型 进行优化， 得到最优预测模型。 3.根据权利要求2所述的一种基于混沌麻雀搜索算法的短期电力负荷预测方法， 其特 征在于， 所述基于Si ne混沌映射的麻雀搜索算法的步骤为： 利用Sine混沌映射初始化麻雀种群位置， 适应度以及N、 n、 PD、 SD、 ST参数， 其中N表示最 大迭代次数、 n表 示种群大小、 PD表 示发现者数量、 SD表 示感应到危险的麻雀数量、 ST表 示安 全值； 对种群进行排序， 获得当前的最优麻雀个 体位置和最佳适应度值； 进行捕食， 在麻雀种群 中， 具有较好适应度值的发现者会在搜索过程中优先获取食物， 并引导所有加入者向着食物源方向行进， 发现者的位置更新描述如下： 其中， 发现者的位置， t代表当前迭代数,j＝1,2,3, …,d， Q为服从正态分布的随 机数， L为单位行向量， α 为[0,1]之间 的随机数， R2表示麻雀预警值， R2∈[0,1]， ST表示安全 值， ST∈[0.5,1]； 更新加入者的位置， 按下式更新： 其中， Xworst表示当前全局最差的位置， XP表示目前发现者所占据的最优位置， A+表示只 随机包含1与‑1两个元素的行向量； 反捕食行为， 对意识到危险的麻雀的位置进行不断更新：权　利　要　求　书 1/3 页 2 CN 114372408 A 2其中， Xbest表示当前全局最优位置； β 是服从标准正态分布的随机 数， 用来作为步长控制 参数； K是[‑1,1]之间的随机数； fi是个体 适应度值； fg和fw分别表示全局最 佳适应度值和全 局最差适应度值； ε是接 近0的常数； 更新麻雀种群历史最优适应度； 没有达到最大迭代次数便继续循环， 否则输出最优个 体位置和适应度并结束。 4.根据权利要求2所述的一种基于混沌麻雀搜索算法的短期电力负荷预测方法， 其特 征在于， 对所述初始短期电力负荷预测模型进行优化的步骤 包括： 初始化参数， 包括麻雀种群大小、 种群初始位置和最大迭代数等； 确定BP神经网络的拓扑 结构； 初始化BP神经网络的权值和阈值； 计算种群适应度并更新 最优个体位置； 利用基于Si ne混沌映射的麻雀搜索算法进行捕食与反捕食行为， 更新麻雀个 体位置； 达到终止条件后， 输出最优权值与阈值 参数， 得到最优预测模型。 5.根据权利要求4所述的一种基于混沌麻雀搜索算法的短期电力负荷预测方法， 其特 征在于， 所述的终止条件为达 到预期精度或最大迭代次数。 6.根据权利要求1所述的一种基于混沌麻雀搜索算法的短期电力负荷预测方法， 其特 征在于， 所述 步骤S1获取的电力负荷值影响因素包括空气湿度、 降雨 量、 气温、 节假日。 7.根据权利要求1所述的一种基于混沌麻雀搜索算法的短期电力负荷预测方法， 其特 征在于， 所述的步骤S2具体包括： S21： 基于垂直处 理方法对数据进行修 正； S22： 对缺失数据进行填充； S23： 对数据进行归一 化处理。 8.根据权利要求7所述的一种基于混沌麻雀搜索算法的短期电力负荷预测方法， 其特 征在于， 所述的垂直处 理方法的修 正公式为： 如果|Y(d,t) ‑m(t)|＞r(t) 则 其中， r(t)为阈值， Y(d,t)为第d天t时刻的电力负荷值； m(t)是前后多日同一时刻t的 预测平均值。 9.一种基于混沌麻雀搜索算法的短期电力负荷预测装置， 其特征在于， 包括数据获取 模块、 数据处 理模块、 模型获取模块、 预测模块， 所述的数据获取模块用于获取历史电力负荷数据， 并根据历史电力负荷数据获取电力 负荷值影响因素； 所述的数据处 理模块用于对历史电力负荷数据进行 预处理； 所述的模型获取模块用于构建初始短期电力负荷预测模型并进行训练， 得到最优预测权　利　要　求　书 2/3 页 3 CN 114372408 A 3