[發明專利]一種基于雙層VMD分解和SSA-LSTM的電價預測方法

在審

• 申請號: 202310500086.3
• 申請日: 2023-05-05
• 公開（公告）號: CN116562908A
• 公開（公告）日: 2023-08-08
• 發明（設計）人: 郭芳;鄧尚云;黃廣山;王瑞陽;嚴海賢;林梅金;陳佳源;黎浣儀
• 申請（專利權）人: 佛山科學技術學院
• 主分類號: G06Q30/0201
• 分類號: G06Q30/0201;G06Q50/06;G06N3/0442;G06N3/0985
• 代理公司: 成都巾幗知識產權代理有限公司 51260
• 代理人: 邢偉

1.一種基于雙層VMD分解和SSA-LSTM的電價預測方法，其特征在于：包括以下步驟：

S1.將原始電價序列劃分為訓練集和測試集，并設置第一層VMD分解和第二層VMD分解的參數；

S2.對原始電價序列進行第一層VMD分解,得到本征模態函數IMF和殘差分量IMF-res；

S3.對殘差分量IMF-res進行第二層VMD分解；

S4.對VMD分解得到的子序列進行歸一化處理；

S5.搭建LSTM神經網絡，在對原始電價序列進行VMD分解得到的子序列基礎上，基于麻雀搜索算法SSA優化LSTM超參數；

S6.基于優化得到的LSTM超參數，進行電價預測。

2.根據權利要求1所述的一種基于雙層VMD分解和SSA-LSTM的電價預測方法，其特征在于：所述步驟S1中，將原始電價序列劃分為訓練集和測試集時，訓練集和測試集的長度比例5:1，第一層VMD分解和第二層VMD分解的參數包括分解個數K和懲罰因子α；

所述第一層VMD分解的K取8，α取3000；

所述第二層VMD分解的K取4，α取2000。

3.根據權利要求2所述的一種基于雙層VMD分解和SSA-LSTM的電價預測方法，其特征在于：所述步驟S2中，假設原始電價序列由多個子序列構成，VMD分解時，將原始電價序列的每個子序列稱為模態分量，每個模態分量具有不同的中心頻率；

設第k個模態分量具有中心頻率ω_k的有限帶寬，VMD分解描述為尋求K個模態函數u_k(t)，使得每個模態的估計帶寬之和最小，其約束條件為各模態之和等于輸入信號f，即原始電價序列；

進行第一層VMD分解的過程如下：

(1)利用Hilbert變換獲取每個模態函數u_k(t)的解析信號，即得到其單邊頻譜公式如下：

式中，為u_k(t)的Hilbert變換，δ_t為Dirac分布函數；1/(πt)為沖擊響應，j為虛數單位；

(2)將各模態解析信號與對應的修正參數相乘，使得每個模態的頻譜調制到相應的基頻帶，公式如下：

(3)根據高斯平滑度和梯度二次方準則對經過調制的信號進行解調，計算梯度的二次方L2范數，獲得各分解模態的帶寬描述bw，公式如下:

式中，為偏導運算；

(4)結合各模態之和等于輸入信號f的約束條件后，得到變分約束模型為:

式中，u_k＝{u₁,u₂,...,u_K}為各模態函數，ω_k＝{ω₁,ω₂,...,ω_K}為各模態中心頻率；

(5)為求解上述模型，引入二次懲罰因子α和拉格朗日乘法算子λ，將約束性變分問題轉變為非約束性變分問題，表達式如下：

(6)初始化λ¹n＝0，通過傅里葉變換獲取各參量的頻域值；分別表示第k個模態分量和中心頻率，λ¹為拉格朗日算子，n為迭代次數，左上角數字1表示第一次迭代；

(7)利用交替方向乘子法來處理上述非約束性變分問題，對每一子序列，通過交替更新來求解變分約束模型最優解，新的u_k、中心頻率ω_k和λ的更新公式為：

式中：為分f(t)、u_i(t)、λ(t)的傅里葉變換，τ表示噪聲容忍度，K表示總的模態個數，k表示第k個模態；

(8)判斷是否滿足迭代終止條件：

其中ε為給定的分解精度參數，若滿足則停止迭代，此時得到原始電價序列經VMD分解后的8個分量對應的模態函數u_k(t)，也稱本征模態函數，即IMF，以及一個殘差分量IMF-res，其中IMF-res由原始電價序列減去K個IMF之和得到；

若不滿足迭代終止條件，返回步驟(7)迭代。