[發(fā)明專利]基于模態(tài)分解和遷移學(xué)習(xí)的極端場(chǎng)景下負(fù)荷預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011389811.7
• 申請(qǐng)日: 2020-12-01
• 公開(kāi)（公告）號(hào): CN112488397B
• 公開(kāi)（公告）日: 2022-09-27
• 發(fā)明（設(shè)計(jì)）人: 吳紅斌;楊龍;徐斌;丁津津;王小明;李金中;謝毓廣
• 申請(qǐng)（專利權(quán)）人: 合肥工業(yè)大學(xué);國(guó)網(wǎng)安徽省電力有限公司電力科學(xué)研究院
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q50/06;G06N20/00;H02J3/00
• 代理公司: 安徽省合肥新安專利代理有限責(zé)任公司 34101
• 代理人: 陸麗莉;何梅生

本發(fā)明公開(kāi)了一種基于模態(tài)分解和遷移學(xué)習(xí)的極端場(chǎng)景下電力負(fù)荷預(yù)測(cè)方法，包括：1)統(tǒng)計(jì)各種極端場(chǎng)景下電力負(fù)荷歷史數(shù)據(jù)，并將其按負(fù)荷曲線的大致趨勢(shì)分類；2)使用改進(jìn)的聚合經(jīng)驗(yàn)?zāi)B(tài)分解法將數(shù)據(jù)分頻，得到負(fù)荷趨勢(shì)項(xiàng)和若干高頻分量；3)使用所述歷史數(shù)據(jù)的趨勢(shì)項(xiàng)進(jìn)行基于注意力機(jī)制模型權(quán)重轉(zhuǎn)移的遷移學(xué)習(xí)，得到趨勢(shì)項(xiàng)的預(yù)測(cè)模型；4)使用所述預(yù)測(cè)模型和LSTM網(wǎng)絡(luò)分別對(duì)所述趨勢(shì)項(xiàng)和本征模態(tài)函數(shù)進(jìn)行負(fù)荷預(yù)測(cè)，并將預(yù)測(cè)結(jié)果疊加起來(lái)，得到負(fù)荷預(yù)測(cè)結(jié)果。本發(fā)明能充分利用各種極端事件發(fā)生時(shí)的電力負(fù)荷歷史數(shù)據(jù)，對(duì)同類場(chǎng)景下電力負(fù)荷趨勢(shì)進(jìn)行預(yù)測(cè)，解決了極端場(chǎng)景下電力負(fù)荷預(yù)測(cè)時(shí)傳統(tǒng)方法不適用的問(wèn)題。

技術(shù)領(lǐng)域

本發(fā)明涉及電力系統(tǒng)負(fù)荷預(yù)測(cè)技術(shù)領(lǐng)域，特別涉及一種基于模態(tài)分解和遷移學(xué)習(xí)的極端場(chǎng)景下負(fù)荷預(yù)測(cè)方法。

背景技術(shù)

電力系統(tǒng)負(fù)荷預(yù)測(cè)是進(jìn)行電力系統(tǒng)規(guī)劃、指導(dǎo)電力生產(chǎn)的重要手段和關(guān)鍵環(huán)節(jié)，然而，一些極端場(chǎng)景下如地震、山洪、泥石流、臺(tái)風(fēng)、霜凍等自然災(zāi)害或設(shè)備故障等不可控因素會(huì)導(dǎo)致電力負(fù)荷發(fā)生突變。在這種情況下，歷史數(shù)據(jù)相對(duì)于未來(lái)的負(fù)荷曲線變化已無(wú)參考價(jià)值，無(wú)法通過(guò)傳統(tǒng)的時(shí)間序列方法算出較準(zhǔn)確的預(yù)測(cè)值。

發(fā)明內(nèi)容

本發(fā)明是為了解決上述現(xiàn)有技術(shù)存在的不足之處，提出一種基于模態(tài)分解和遷移學(xué)習(xí)的極端場(chǎng)景下負(fù)荷預(yù)測(cè)方法，以期能充分利用其他同類極端場(chǎng)景的負(fù)荷歷史數(shù)據(jù)，捕捉出該類場(chǎng)景的負(fù)荷變化趨勢(shì)，從而對(duì)處于極端事件發(fā)生及其恢復(fù)過(guò)程的電力負(fù)荷進(jìn)行較為準(zhǔn)確的預(yù)測(cè)，能在應(yīng)這些突發(fā)事件時(shí)對(duì)電力調(diào)度和規(guī)劃起到更好的指引作用。

為實(shí)現(xiàn)以上目的，本發(fā)明采用如下技術(shù)方案：

本發(fā)明一種基于模態(tài)分解和遷移學(xué)習(xí)的極端場(chǎng)景下電力負(fù)荷預(yù)測(cè)方法的特點(diǎn)在于，所述方法包括如下步驟：

步驟1、統(tǒng)計(jì)各種極端場(chǎng)景下電力負(fù)荷歷史數(shù)據(jù)，并按負(fù)荷曲線的趨勢(shì)進(jìn)行分類，得到帶有分類標(biāo)簽的電力負(fù)荷歷史數(shù)據(jù)；再收集待預(yù)測(cè)場(chǎng)景下的歷史數(shù)據(jù)；

步驟2、使用改進(jìn)的聚合經(jīng)驗(yàn)?zāi)B(tài)分解法將待預(yù)測(cè)場(chǎng)景下的歷史數(shù)據(jù)和帶有分類標(biāo)簽的電力負(fù)荷歷史數(shù)據(jù)中同種類型的歷史數(shù)據(jù)進(jìn)行分解，得到電力負(fù)荷的基本趨勢(shì)和若干高頻分量；

步驟3、使用所述電力負(fù)荷的基本趨勢(shì)進(jìn)行基于注意力機(jī)制模型權(quán)重轉(zhuǎn)移的遷移學(xué)習(xí)，得到趨勢(shì)項(xiàng)的預(yù)測(cè)模型；

步驟4、使用所述趨勢(shì)項(xiàng)的預(yù)測(cè)模型和LSTM網(wǎng)絡(luò)分別對(duì)所述電力負(fù)荷的基本趨勢(shì)和若干高頻分量進(jìn)行負(fù)荷預(yù)測(cè)，并將預(yù)測(cè)結(jié)果疊加起來(lái)，從而得到負(fù)荷預(yù)測(cè)結(jié)果。

本發(fā)明所述的極端場(chǎng)景下電力負(fù)荷預(yù)測(cè)方法的特點(diǎn)在于，所述步驟2中改進(jìn)的聚合經(jīng)驗(yàn)?zāi)B(tài)分解法包括：

步驟2.1、使用支持向量機(jī)回歸預(yù)測(cè)對(duì)待預(yù)測(cè)負(fù)荷的歷史數(shù)據(jù)x₀和帶有分類標(biāo)簽的電力負(fù)荷歷史數(shù)據(jù)中同種類型的m組歷史數(shù)據(jù){x_i|i＝1,2,...,m}進(jìn)行端點(diǎn)延拓，得到延拓后的待預(yù)測(cè)時(shí)間序列y₀和歷史時(shí)間序列{y_i|i＝1,2,...,m}；其中，x_i表示第i組歷史數(shù)據(jù)，y_i表示第i組歷史時(shí)間序列；

步驟2.2、對(duì)待預(yù)測(cè)時(shí)間序列y₀和歷史時(shí)間序列{y_i|i＝1,2,...,m}添加有限幅值的白噪聲序列a，得到處理后的待預(yù)測(cè)時(shí)間序列y_a0和處理后的歷史時(shí)間序列{y_ai|i＝1,2,...,m}；其中，y_ai表示第i組處理后的歷史時(shí)間序列；

步驟2.3、使用經(jīng)驗(yàn)?zāi)B(tài)分解法將處理后的待預(yù)測(cè)時(shí)間序列y_a0分解為一個(gè)待預(yù)測(cè)負(fù)荷的基本趨勢(shì)項(xiàng)和j個(gè)待預(yù)測(cè)負(fù)荷的高頻分量，將處理后的歷史時(shí)間序列{y_ai|i＝1,2,...,m}分解為m個(gè)訓(xùn)練用歷史數(shù)據(jù)的基本趨勢(shì)項(xiàng)和m×j個(gè)訓(xùn)練用歷史數(shù)據(jù)的高頻分量；