[發明專利]基于VDM和Stacking模型融合的短期負荷預測方法及系統在審
| 申請號: | 202011398686.6 | 申請日: | 2020-12-03 |
| 公開(公告)號: | CN113159361A | 公開(公告)日: | 2021-07-23 |
| 發明(設計)人: | 張倩;丁津津;王璨;于洋;高博;徐斌;謝毓廣;孫輝;李遠松;張峰;汪勛婷;李圓智;陳洪波;何開元;欒喜臣;張駿 | 申請(專利權)人: | 安徽大學;國網安徽省電力有限公司電力科學研究院;國網安徽省電力有限公司 |
| 主分類號: | G06Q10/04 | 分類號: | G06Q10/04;G06Q10/06;G06Q50/06;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司: | 合肥天明專利事務所(普通合伙) 34115 | 代理人: | 苗娟 |
| 地址: | 230601 安徽省*** | 國省代碼: | 安徽;34 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 vdm stacking 模型 融合 短期 負荷 預測 方法 系統 | ||
1.一種基于VDM和Stacking模型融合的短期負荷預測方法,其特征在于:包括以下步驟:
采集負荷序列數據,并輸入到事先訓練好的預測模型,進行負荷預測并輸出預測結果;
其中,預測模型的訓練步驟如下:
采用VMD算法將獲取到的原始負荷序列分解為不同的固有模態分量IMF;
計算每個IMF負荷分量序列的ApEn值;
把每一個ApEn值作為一個隨機分量,基于Stacking的思想,XGBoost和長短期記憶神經網絡來構建模態分量IMF的預測模型;
通過將上述預測模型對各模態分量IMF的預測結果疊加得到最終預測結果,再進行加權融合。
2.根據權利要求1所述的基于VDM和Stacking模型融合的短期負荷預測方法,其特征在于:所述采用VMD算法將獲取到的原始負荷序列分解為不同的固有模態分量IMF,具體包括:
假設:
uk(t)是模態函數的輸入信號,{uk}代表模態集合{u1,u2,......,uk},ωk是與輸入信號的第k個模態相對應的中心頻率,{ωk}代表模態分量對應的中心頻率{ω1,ω2,...,ωk},f(t)是輸入信號,δ(t)是單位脈沖函數;
通過引入拉格朗日乘數λ和二次懲罰因子ψ,公式(1)可改寫為:
對方程進行求解時采用乘法的交替方向法,得到一組模態分量及其各自的中心頻率,通過頻域的解中估算每種模態,并表示為:
其中n是迭代次數,和分別代表f(t),ui(t)和λ(t)傅里葉變換后的形式;
在公式(3)中,它具有維納濾波器結構的特征,可直接更新傅立葉域中的模態;此外,通過提取傅立葉逆變換的實部在時域中獲得這些模態;
運用公式(4),計算出這些模態的中心頻率這表明新的中心頻率位于其各自模態功率譜的重心處。
3.根據權利要求1所述的基于VDM和Stacking模型融合的短期負荷預測方法,其特征在于:所述計算每個IMF負荷分量序列的ApEn值,具體包括以下步驟:
(1)通過IMF序列構造一組q維向量:
(2)上述構造的向量中任意兩組間的距離計算式為:
(3)上述構造的向量中任意兩組間的相關程度計算式為:
其中H{·}是Heaciside函數,ε是相似公差;
(4)向量序列a的平均自相關程度計算式為:
(5)ApEn Sa求解為:
Sa=δ(q,ε)-δ(q+1,ε) (9)。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于安徽大學;國網安徽省電力有限公司電力科學研究院;國網安徽省電力有限公司,未經安徽大學;國網安徽省電力有限公司電力科學研究院;國網安徽省電力有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202011398686.6/1.html,轉載請聲明來源鉆瓜專利網。
- 同類專利
- 專利分類
G06Q 專門適用于行政、商業、金融、管理、監督或預測目的的數據處理系統或方法;其他類目不包含的專門適用于行政、商業、金融、管理、監督或預測目的的處理系統或方法
G06Q10-00 行政;管理
G06Q10-02 .預定,例如用于門票、服務或事件的
G06Q10-04 .預測或優化,例如線性規劃、“旅行商問題”或“下料問題”
G06Q10-06 .資源、工作流、人員或項目管理,例如組織、規劃、調度或分配時間、人員或機器資源;企業規劃;組織模型
G06Q10-08 .物流,例如倉儲、裝貨、配送或運輸;存貨或庫存管理,例如訂貨、采購或平衡訂單
G06Q10-10 .辦公自動化,例如電子郵件或群件的計算機輔助管理





