(19)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 202210578354.9 (22)申请日 2022.05.25 (71)申请人 国网天津市电力公司 地址 300010 天津市河北区五经路39号 申请人 国家电网有限公司 　 国网天津市电力公司城东供电分公 司 (72)发明人 王小璇　邓欣宇　陆杨　黄旭　 刘超　杨国朝　徐智　赵长伟　 高强伟　刘伟　陈静　王晶　 (74)专利代理 机构 天津盛理知识产权代理有限 公司 12209 专利代理师 王雨晴 (51)Int.Cl. G06F 30/17(2020.01)G06F 30/27(2020.01) G06N 3/00(2006.01) G06N 20/10(2019.01) G06Q 30/02(2012.01) (54)发明名称 基于粒子群优化的新能源汽车销量预测模 型参数优化方法 (57)摘要 本发明涉及一种基于粒子群优化的新能源 汽车销量预测模型参数优化方法， 包括以下步 骤： 步骤1、 选择输入变量， 并划分训练集和测试 集； 步骤2、 数据预处理， 将训练集的输入和输出 数据都进行归一化处理； 步骤3、 选择核函数并利 用粒子群参数优化算法， 寻找C和σ的最优取值， 计算训练样 本数据的均方误差， 并将其看作粒子 群的适应度函数， 初始化粒子群； 步骤4、 更新个 体极值和全局极值， 在每次迭代过程中， 比较两 极值大小， 并实时更新； 步骤5、 实时更新粒子飞 行速度和当前位置， 当种群迭代达到终止条件， 优化结束， 输出当前最优参数值。 本发明算法简 单、 收敛速度快、 不需要主观设置过多参数且能 够在降低模 型的误差的同时， 提高了训练效果和 预测精度。 权利要求书2页 说明书8页 附图2页 CN 114880806 A 2022.08.09 CN 114880806 A 1.一种基于粒子群优化的新能源汽车销量预测模型参数优化方法， 其特征在于： 包括 以下步骤： 步骤1、 选择输入变量， 并划分训练集和 测试集； 步骤2、 数据预处 理， 将训练集的输入和输出 数据都进行归一 化处理； 步骤3、 选择核函数并利用粒子群参数优化算法， 寻找C和σ 的最优取值， 计算训练样本 数据的均方误差， 并将其看作粒子群的适应度函数， 初始化粒子群； 步骤4、 更新个 体极值和全局极值， 在每次迭代过程中， 比较两极值大小， 并实时更新； 步骤5、 实时更新粒子飞行速度和当前位置， 当种群迭代达到终止条件， 优化结束， 输出 当前最优参数值。 2.根据权利要求1所述的一种基于粒子群优化的新 能源汽车销量预测模型参数优化方 法， 其特征在于： 所述步骤1的具体方法为： 编制标准化程序， 选用1 ‑3期的月度销量数据作 为模型的输入变量， 第4期的预测值作为输出变量； 再以2 ‑4期的月度销量数据初始值作为 模型的输入变量， 第5期的预测值作为网络输出； 按照此种规律依次类推， 构成最小二乘向 量机模型的样本数据集； 将前77期样本数据划分为训练集， 剩余8期样本数据作 为测试集， 构造拟合x(t)的最佳 机器学习模型。 3.根据权利要求1所述的一种基于粒子群优化的新 能源汽车销量预测模型参数优化方 法， 其特征在于： 所述 步骤2的具体公式如下 所示： 本发明利用mapmi nmax函数对输入数据进行归一 化。 4.根据权利要求1所述的一种基于粒子群优化的新 能源汽车销量预测模型参数优化方 法， 其特征在于： 所述 步骤3的具体方法为： 选择径向基核函数作为新能源汽车保有量预测模型的核函数形式。 该核函数通常定义 为空间中任意 一点x到中心点x'的欧式距离， 记作： 式中x'——中心点； σ ——带宽参数。 5.根据权利要求1所述的一种基于粒子群优化的新 能源汽车销量预测模型参数优化方 法， 其特征在于： 所述 步骤4的具体方法为： 对粒子的位置设置了边界条件： 核惩罚参数C最大值设置为100， 最小值设置为1， 核函 数的宽度系数σ 最大值设置为5 00， 最小值设置为0.0 01。 6.根据权利要求1所述的一种基于粒子群优化的新 能源汽车销量预测模型参数优化方 法， 其特征在于： 所述 步骤5的具体方法为： 假设在一个d维空间里有一个由m个粒子组成的种群， 其中， 单个粒子的位置可表示为 如下形式： xi＝(xi1,xi2,...,xid),i＝1,2,...,m权　利　要　求　书 1/2 页 2 CN 114880806 A 2粒子飞行速度可表示 为： vi＝(vi1,vi2,...,vid),i＝1,2,...,m 第i个粒子 搜索到的最优位置可表示 为： pi＝(pi1,pi2,...,pid),i＝1,2,...,m 目前粒子种群搜索到的最优位置 pg＝(pg1,pg2,...,pgd),i＝1,2,...,m 在PSO算法中， 粒子 速度和位置的更新公式如下 所示： vid＝ωvid+c1r1(pid‑xid)+c2r2(pgd‑xid) xid＝vid+xid 式中r1,r2——[0,1]区间的随机数； c1——粒子飞向其 最优位置的步长； c2——粒子飞向整个种群最优位置的步长； ω——惯性权 重系数； 寻找极值和极值点， 计算每一代种群的平均适应度， 并完成迭代寻优， 并输出核惩罚参 数C和核函数的宽度系数σ 的最佳 取值。 7.根据权利要求1所述的一种基于粒子群优化的新 能源汽车销量预测模型参数优化方 法， 其特征在于： 在所述 步骤5之后还 包括如下步骤： 步骤6、 通过测试集验证模型有效性。 8.根据权利要求1所述的一种基于粒子群优化的新 能源汽车销量预测模型参数优化方 法， 其特征在于： 所述 步骤6的具体方法为： 将测试集归一化后的数据输入当前已经训练好且参数固定的最小二乘支持向量机模 型中， 计算相关目标参数， 并将结果反归一化， 得到最 终研究对象 的预测值， 计算预测精度， 若达到预期要求， 则输出， 反 之， 返回粒子群寻优算法中重新训练， 直至预测结果符合预期。权　利　要　求　书 2/2 页 3 CN 114880806 A 3