[發明專利]基于VMD-PSO-BPNN的短期電力負荷預測模型建立方法

在審

• 申請號: 201910060863.0
• 申請日: 2019-01-23
• 公開（公告）號: CN109919421A
• 公開（公告）日: 2019-06-21
• 發明（設計）人: 洪蒙納;李繼庚;滿奕;胡雨沙
• 申請（專利權）人: 華南理工大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 李斌

1.一種基于VMD-PSO-BPNN的短期電力負荷預測模型建立方法，該短期電力負荷預測模型應用于造紙企業的電力負荷預測，其特征在于，所述的建立方法包括以下步驟：

S1、獲取造紙企業數據的用電數據；

S2、利用VMD分解算法，對預處理后的負荷序列進行序列分解；

S3、利用滯后自相關法對每個分解序列選取輸入變量；

S4、設置BPNN網絡的隱藏層神經元數，以及BPNN網絡的權值和閾值，把分解序列的訓練集輸入初始的BPNN網絡中，把擬合結果和實際結果之間殘差作為適應度值，利用PSO算法更新權值和閾值的大小，尋找最優的擬合結果，把最優擬合結果對應BPNN網絡進行輸出，利用訓練好的BPNN網絡對分解序列進行預測，把所有分解序列的預測結果進行疊加，得到短期電力負荷預測模型。

2.根據權利要求1所述的基于VMD-PSO-BPNN的短期電力負荷預測模型建立方法，其特征在于，所述的步驟S2中通過搜尋約束分變模型最優解來實現信號自適應分解，將原始負荷序列分解成一系列具有稀疏特性的模態分量，即將原始序列分解為不同頻率的序列，具體包括：

S201、對于每個模態u(t)，通過希爾伯特變換計算與之相關的解析信號，計算公式如下：

式中，H(t)為模態解析信號，δ(t)是狄拉克分布，t是采樣時間點，j為虛數，*表示卷積；

S202、對各模態解析信號預估計的中心頻率ω_k進行混合，將每個模態的頻譜調制到相應的基頻帶，其公式如下：

S203、計算式(2)中基頻帶的梯度平方L²范數，估計出各模態分量的帶寬，對應的約束變分模型為：

式中，f(t)＝∑_ku(t)；

S204、采用二次懲罰函數項和拉格朗日乘子算子得到一個無約束問題，最后求解該問題的公式為：

式中，{u_k}＝{u₁,u₂,···,u_k}代表分解得到的k個IMF分量，{ω_k}＝{ω₁,ω₂,···,ω_k}表示各分量的中心頻率，∑_K表示各模態分量求和，λ(t)為拉格朗日乘數，α是數據保真約束的平衡參數，f(t)為原始信號。

3.根據權利要求1所述的基于VMD-PSO-BPNN的短期電力負荷預測模型建立方法，其特征在于，所述的步驟S3中，通過滯后自相關方法找出過去用電負荷對當前用電負荷的影響，使用自相關函數作為選擇信息特征子集的指導，即通過自相關的滯后階次來選取輸入變量，當滯后自相關系數的絕對值大于0.8時，用這一滯后時刻對應的有效功率作為模型的輸入，其表達式為：

式中，是給定時間序列中所有X的平均值，X＝{X_t:t∈T}，為時間序列數據集，r_k為測量時間t和t-k時間序列的線性相關性。