[發(fā)明專利]一種基于集成經(jīng)驗(yàn)?zāi)B(tài)分解與深度信念網(wǎng)絡(luò)的短期風(fēng)功率預(yù)測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710606123.3
• 申請(qǐng)日: 2017-07-24
• 公開(kāi)（公告）號(hào): CN107292453A
• 公開(kāi)（公告）日: 2017-10-24
• 發(fā)明（設(shè)計(jì)）人: 李虎成;袁曉冬;袁宇波;張小易;彭志強(qiáng);周建華;孫國(guó)強(qiáng);臧海祥;樊海鋒;夏杰;鄭明忠;周琦
• 申請(qǐng)（專利權(quán)）人: 國(guó)網(wǎng)江蘇省電力公司電力科學(xué)研究院;國(guó)家電網(wǎng)公司;河海大學(xué);江蘇省電力試驗(yàn)研究院有限公司
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q50/06
• 代理公司: 南京縱橫知識(shí)產(chǎn)權(quán)代理有限公司32224
• 代理人: 董建林,俞翠華

1.一種基于集成經(jīng)驗(yàn)?zāi)B(tài)分解與深度信念網(wǎng)絡(luò)的短期風(fēng)功率預(yù)測(cè)方法，其特征在于：包括以下步驟：

(1)采用集成經(jīng)驗(yàn)?zāi)B(tài)分解將原始風(fēng)功率序列分解為一系列特征互異的本征模態(tài)函數(shù)；

(2)計(jì)算原始風(fēng)功率序列及各本征模態(tài)函數(shù)的樣本熵，分別記為SampEn_original和SampEn_IMF，將|SampEn_original-SampEn_IMF|<θ/2的模態(tài)函數(shù)合并為細(xì)節(jié)分量，將SampEn_original-SampEn_IMF>θ/2的模態(tài)函數(shù)合并為趨勢(shì)分量，將SampEn_IMF-SampEn_original>θ/2的模態(tài)函數(shù)合并為隨機(jī)分量；

(3)對(duì)細(xì)節(jié)分量、趨勢(shì)分量和隨機(jī)分量分別進(jìn)行零均值化處理，采用偏自相關(guān)函數(shù)對(duì)細(xì)節(jié)分量、趨勢(shì)分量和隨機(jī)分量分別選取出與待預(yù)測(cè)時(shí)刻風(fēng)功率相關(guān)性最高的輸入變量集合，依據(jù)各分量輸入變量集合分別構(gòu)建訓(xùn)練樣本集；

(4)對(duì)細(xì)節(jié)分量、趨勢(shì)分量和隨機(jī)分量分別建立短期風(fēng)功率深度信念網(wǎng)絡(luò)預(yù)測(cè)模型，將各分量預(yù)測(cè)結(jié)果疊加，從而獲得最終的短期風(fēng)功率預(yù)測(cè)值，完成短期風(fēng)功率預(yù)測(cè)。

2.根據(jù)權(quán)利要求1所述的一種基于集成經(jīng)驗(yàn)?zāi)B(tài)分解與深度信念網(wǎng)絡(luò)的短期風(fēng)功率預(yù)測(cè)方法，其特征在于：所述步驟(1)還包括：對(duì)原始風(fēng)功率時(shí)間序列進(jìn)行異常值檢測(cè)與修正。

3.根據(jù)權(quán)利要求1或2所述的一種基于集成經(jīng)驗(yàn)?zāi)B(tài)分解與深度信念網(wǎng)絡(luò)的短期風(fēng)功率預(yù)測(cè)方法，其特征在于：所述步驟(1)中采用集成經(jīng)驗(yàn)?zāi)B(tài)分解將原始風(fēng)功率序列分解為一系列特征互異的本征模態(tài)函數(shù)，具體過(guò)程為：

1.1在原始風(fēng)功率序列f(t)中疊加隨機(jī)高斯白噪聲信號(hào)ω_j(t)，獲得待分解信號(hào)F_j(t)，

F_j(t)＝f(t)+ω_j(t)

式中：j＝1,2,…,N，N為高斯白噪聲總組數(shù)，ω_j(t)為第j組高斯白噪聲信號(hào)，f(t)為原始風(fēng)功率序列；

1.2對(duì)F_j(t)進(jìn)行EMD分解，得到n個(gè)IMF分量和一個(gè)趨勢(shì)分量，即：

c_j,i(t)＝h_j,k(t)

r_j,k(t)＝r_j,k-1(t)-c_j,i(t)

式中：h_j,k(t)為第j組第k次IMF過(guò)程分量篩選值，c_j,i(t)為第j組第i個(gè)IMF分量，r_j,k(t)為第j組第k次計(jì)算過(guò)程剩余分量，即對(duì)于第j組高斯白噪聲信號(hào)，進(jìn)行第k次迭代計(jì)算時(shí)獲得的剩余分量，當(dāng)?shù)^(guò)程結(jié)束后，獲得最終的第j組趨勢(shì)分量r_j(t)；

1.3根據(jù)高斯零均值理論，采用集合平均的方法消除風(fēng)功率序列中白噪聲信號(hào)的波動(dòng)，

原始風(fēng)功率序列對(duì)應(yīng)的本征模態(tài)分量c′_i(t)與剩余分量r′(t)為：

ci′(t)=1NΣj=1Ncj,i(t)]]>

r′(t)=1NΣj=1Nrj(t)]]>

式中：c′_i(t)為第i個(gè)原始風(fēng)功率序列IMF分量，n為IMF分量總數(shù)，r′(t)為風(fēng)功率序列剩余分量；r_j(t)為第j組趨勢(shì)分量；

1.4得到由原始風(fēng)功率序列f(t)的分解出來(lái)的本征模態(tài)函數(shù)為：

f(t)=Σi=1nci′(t)+r′(t).]]> 1