一种基于BOA-SVR和模糊聚类的分时段精细化短期负荷预测方法

摘要

本发明公开了一种基于BOA‑SVR和模糊聚类的分时段精细化短期负荷预测方法，包括以下步骤：S1，根据地区的历史负荷数据和特性来分析影响负荷变化的因素，并考虑实时影响因素提出分时段综合预测法；S2，利用模糊C均值聚类方法将历史数据聚类得到不同的类型，并评价其聚类效果；S3，利用动态自适应权重的方法和柯西分布逆累积部分函数对蝙蝠算法进行改进；S4，利用改进的蝙蝠算法对SVR的参数进行寻优，寻找最优参数建立SVR分时段精细化模型，将待预测各个时段平均负荷值作为SVR的输出得到预测结果；本发明可有效的提高预测精度，对于不同类型日的预测精度均可达到96％以上，且改进的蝙蝠算法有效降低预测模型的规模，明显的提高了预测模型的性能。