[發明專利]基于EMD-SVR-MLR與注意力機制的GRU-NN的電力負荷層次預測方法

在審

• 申請號: 202011639813.7
• 申請日: 2020-12-31
• 公開（公告）號: CN112766078A
• 公開（公告）日: 2021-05-07
• 發明（設計）人: 徐耀松;段彥強;李佳旺;王雨虹;王丹丹;屠乃威;閻馨;付華;謝國民;盧萬杰
• 申請（專利權）人: 遼寧工程技術大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;H02J3/00
• 代理公司: 北京君泊知識產權代理有限公司 11496
• 代理人: 李丹

1.基于EMD-SVR-MLR與注意力機制的GRU-NN的電力負荷層次預測方法，包括，其特征在于：方法具體包括如下步驟：

S1：用EMD算法對電力負荷原始時序數據進行分解，得到幾個具有不同特征的IMF；

S2：由于EMD分解得到的IMF數量較多且IMF間存在一定的相關性，因此有必要對IMF進行重構，從而降低建立預測模型的重復工作量，用樣本熵來衡量IMF復雜性，用趨勢分量、細節分量和隨機分量來重建與樣本熵相近的IMF；

S3：對重構分量分別建立SVR和MLR負荷預測模型，將不同分量預測結果疊加即初級預測模型獲得預測值；

S4：把初級預測模型預測出的值當做次級預測模型的特征值和原始的時間序列數據進行融合，形成新的時間序列，負荷數據經過預處理后長度為n，可以用X表示X＝[x₁…x_t-1,x_t…x_n]^T；

S5：把新的時間序列作為GRU網絡的輸入，建模學習特征內部動態變化規律，并引入注意力機制通過映射加權和學習參數矩陣賦予GRU隱含狀態不同的權重，減少歷史信息的丟失并加強重要信息的影響，最后完成短期負荷預測。

2.根據權利要求1所述的基于EMD-SVR-MLR與注意力機制的GRU-NN的電力負荷層次預測方法，其特征在于：S1中用EMD算法得到IMF的方法步驟如下：

S11：找出電力負荷時間序列y(t)中的所有極大值，并用插值方法擬合其包絡線u(t)；與之類似，求出y(t)列的全部最小值，用插值方法擬合其包絡線v(t)；據此計算上下包絡線平均m₁(t)為

S12：將原始信號y(t)與m₁(t)相減得到h₁(t)，即h₁(t)＝y(t)-m₁(t)；

S13：判斷h₁(t)是否滿足IMF分量條件，若不滿足，則將h₁(t)視為新的信號y(t)，重復步驟上一步，直到h₁(t)滿足IMF條件，若滿足，則第1個IMF分量可表示為c₁(t)＝h₁(t)；

S14：將剩余分量r₁(t)作為新的原始信號，重復前面幾步，從而可得到其他IMF分量和1個余量，r₁(t)＝y(t)-c₁(t)。

3.根據權利要求2所述的基于EMD-SVR-MLR與注意力機制的GRU-NN的電力負荷層次預測方法，其特征在于：S1中采用EMD方法將原始信號y(t)分解為n個IMF分量c_i(t)和一個剩余分量r_n(t)公式如下：

4.根據權利要求1所述的基于EMD-SVR-MLR與注意力機制的GRU-NN的電力負荷層次預測方法，其特征在于：S3中建立SVR和MLR負荷預測模型，用趨勢分量當做MLR負荷預測模型的輸入、用細節分量當做MLR負荷預測模型的輸入，然后將不同分量預測結果疊加即初級預測模型的預測值。