[發明專利]一種基于數據驅動的短期用電量預測方法

在審

• 申請號: 201910532316.8
• 申請日: 2019-06-19
• 公開（公告）號: CN110222908A
• 公開（公告）日: 2019-09-10
• 發明（設計）人: 張秋雁;宋強;張俊瑋;丁超;邵崢
• 申請（專利權）人: 貴州電網有限責任公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06K9/00
• 代理公司: 貴陽中新專利商標事務所 52100
• 代理人: 商小川

本發明公開了一種基于數據驅動的短期用電量預測方法，本發明將小波分解與重構、極限學習機和改進螢火蟲算法相結合進行短期用電量預測。首先利用小波分解提取負荷的序列特性；然后通過改進螢火蟲算法優化極限學習機法的參數；并基于極限學習機對重構后的細節序列和近似序列分別進行預測。該方法可以充分利用分解重構對信號特征的挖掘，從而減小預測誤差；利用極限學習機僅通過一步計算即可解析求出學習網絡的輸出權值，與迭代算法相比，極大地提高了網絡的泛化能力和學習速度；利用改進螢火蟲算法優化參數能夠避免陷入局部極值，提高了全局尋優能力，有利于選擇合適的極限學習機參數，提高預測精度。

技術領域

本發明屬于用電量預測技術領域，尤其涉及一種基于數據驅動的短期用電量預測方法。

背景技術

準確預測用戶電量需求對于市場競爭環境下的電網公司、工商業、居民用戶來說具有重要意義；國內外開展電量預測使用的方法主要集中于人工智能方法、統計分析法和經濟計量法等。灰色理論預測法、人工神經網絡理論預測法以及經濟模型法和綜合分析法等方法應用較為廣泛且取得了一定的成果；但是這些方法對短期用電量預測對象相對粗放，無法具體把握具體行業或用電大戶的用電特性，難以進行精細化預測，對市場營銷工作的精細化管理與深度開發作用有限。

發明內容

本發明要解決的技術問題是：提供一種基于數據驅動的短期用電量預測方法，以解決現有技術針對短期用電量預測對象相對粗放，無法具體把握具體行業或用電大戶的用電特性，難以進行精細化預測，對市場營銷工作的精細化管理與深度開發作用有限等技術問題。

本發明技術方案是：

一種基于數據驅動的短期用電量預測方法，它包括：

步驟1、獲取原始負荷序列數據；

步驟2、對原始序列進行3層小波分解；

步驟3、對分解后的各序列進行二插值重構；

步驟4、針對重構后各序列進行歸一化后分別進行IFA-ELM模型訓練和預測；

步驟5、各序列預測值映射回原區間后疊加得到最終預測結果；

步驟6、預測評價：對誤差進行量化評價。

對原始序列進行3層小波分解及對分解后的各序列進行二插值重構的方法為：

將負荷序列分解為不同頻率的高頻細節序列d₁,d₂…d_J和一個低頻近似序a_J，J為最大分解層數，采用db3小波基進行3層分解，分解過程如下式：

式中：a_j,d_j分別為原始信號在分辨率2^-j下的低頻信號和高頻信號，是原始信號在相鄰不同頻率段上的成分；H為低通濾波器；G為高通濾波器；

進行二插值重構使得信號長度還原，

式中：H^*,G^*分別為H,G的對偶算子，對d₁,d₂…d_J和a_J進行重構后得到細節序D₁,D₂…D_J和近似序列A_J，長度與原始序列相同，并有

S＝D₁+D₂+…D_J+A_J

針對重構后的細節序列和近似序列分別進行預測。