[發明專利]基于改進Shapley值模型的短期負荷預測方法

在審

• 申請號: 202010020729.0
• 申請日: 2020-01-09
• 公開（公告）號: CN111242210A
• 公開（公告）日: 2020-06-05
• 發明（設計）人: 劉海濤;孫曉;許倫;張潮;顧思
• 申請（專利權）人: 南京工程學院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/02;G06Q10/04;G06Q50/06
• 代理公司: 南京鐘山專利代理有限公司 32252
• 代理人: 陳月菊

本發明公開了一種基于改進Shapley值模型的短期負荷預測方法，通過希爾伯特黃(HHT)變換對非平穩負荷進行重構得到隨機、周期、趨勢分量；通過改進shapley值模型確定組合預測各個預測方法的權重分配，并分別應用于隨機、周期、趨勢分量的預測，將得到的各個預測分量進行疊加得到最終預測值。相對于現有預測方法，本發明提出的預測方法具有更高的精確度和穩定性。

技術領域

本發明涉及電力系統負荷預測技術領域，具體而言涉及一種基于改進Shapley值模型的短期負荷預測方法。

背景技術

在電力系統運行控制和計劃管理中，負荷預測決定了發電、輸電和配電的合理安排，是電力系統規劃的重要組成部分。其中，短期符合預測最主要的應用是為發電計劃程序提供數據，用來確定滿足安全要求、運行約束、以及自然環境和設備的運行方案。如何提高預測精度是目前研究短期負荷預測理論與方法的中心和重點。

有部分研究人員針對單一預測方法預測精度不高的問題，提出了組合預測模型進行預測的理念，針對單一預測方法同時對呈現不同平穩特征的三種分量進行預測將產生較大誤差的問題，組合預測方法可以有效結合各個預測方法的優勢，提高預測精度，難點是權值的分配問題。

例如專利號為CN201811334912.7的發明專利中提出一種基于改進shapley值的風電匯聚趨勢性分狀態量化方法，針對僅利用測風數據及氣象數據對匯聚效應預測精度較低、傳統 shapley值法在單一模型預測結果偏差過大時仍參與組合的問題，本發明基于改進shapley值法對風電匯聚效應的趨勢性進行量化分析，在對不同風電輸出狀態量化分析的基礎上，得到各風電輸出狀態下的風電持續出力曲線，進而構建基于匯聚特性分析的風電持續出力曲線分狀態組合預測模型，并建立預測精度評價體系。相對于單一的預測模型，風電持續出力曲線的分狀態組合預測方法能更準確地描述風電匯聚的趨勢，為風電基地擴建后的外送輸電容量規劃提供一定的理論依據。但是這類方法比較適合穩定運行環境下的電力系統負荷預測，并不適用于實際運行過程中出現不穩定特征的復雜負荷數據的預測能力，其中包含的權值分配方法也不適用于短期負荷預測方法。

而隨著國家電網的進一步推進，需求側用戶終端的智能化水平不斷提高，用戶負荷時序特征顯著改變，短期負荷數據具有非平穩性的特點，單一的負荷預測模型和常規的組合預測模型忽略負荷數據的時序性特點，難以達到滿意的預測準確度。新形勢下如何更加精準科學地分析和挖掘負荷的內部特征，提高短期負荷預測的精確性亟待解決。

發明內容

本發明目的在于提供一種基于改進Shapley值模型的短期負荷預測方法，通過希爾伯特黃(HHT)變換對非平穩負荷進行重構得到隨機、周期、趨勢分量；通過改進shapley值模型確定組合預測各個預測方法的權重分配，并分別應用于隨機、周期、趨勢分量的預測，將得到的各個預測分量進行疊加得到最終預測值。相對于現有預測方法，本發明提出的預測方法具有更高的精確度和穩定性。

為達成上述目的，結合圖1，本發明提出一種基于改進Shapley值模型的短期負荷預測方法，所述短期負荷預測方法包括：

S1：通過經驗模態分解對呈現不穩定特征的負荷數據進行分解，得到有限個本征模態函數；

S2：通過希爾伯特變換得到各個本征模態函數對應的時間-頻率曲線；

S3：按各個時間-頻率曲線交疊最少為原則將各個本征模態函數重構為隨機、周期、趨勢分量；

S4：針對隨機、周期、趨勢分量分別采用改進shapley值組合預測方法進行預測，得到隨機、周期、趨勢分量對應的預測分量；

S5：將隨機、周期、趨勢分量對應的預測分量進行疊加后得到最終預測分量。

進一步的實施例中，步驟S1中，所述通過經驗模態分解對呈現不穩定特征的負荷數據進行分解，得到有限個本征模態函數的過程包括以下步驟：