基于ieemd-bpnn的電力系統(tǒng)短期負(fù)荷預(yù)測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于電力系統(tǒng)負(fù)荷預(yù)測(cè)技術(shù)領(lǐng)域，特別涉及一種基于改進(jìn)總體經(jīng)驗(yàn)?zāi)B(tài)分 解（ImprovedEnsembleEmpiricalModeDecomposition,IEEMD)與反向傳播神經(jīng)網(wǎng)絡(luò) (BackPropagationNeuralNetwork,BPNN)的電力系統(tǒng)短期負(fù)荷預(yù)測(cè)方法。
【背景技術(shù)】
[0002] 短期負(fù)荷預(yù)測(cè)通常指預(yù)測(cè)某個(gè)電力系統(tǒng)未來(lái)幾個(gè)小時(shí)、一天到幾天的負(fù)荷變化， 時(shí)間間隔為15分鐘、30分鐘或1小時(shí)，是電力系統(tǒng)運(yùn)行、控制和規(guī)劃不可缺少的一部分。由 于電力系統(tǒng)負(fù)荷經(jīng)常受到系統(tǒng)運(yùn)行特性、天氣、社會(huì)活動(dòng)等不穩(wěn)定因素的影響，呈現(xiàn)出極強(qiáng) 的非穩(wěn)態(tài)、非線性特征，要對(duì)其進(jìn)行準(zhǔn)確預(yù)測(cè)存在很大的難度。
[0003] 經(jīng)驗(yàn)?zāi)B(tài)分解（EmpiricalModeDecomposition,EMD)是一種用于非平穩(wěn)、非線性 信號(hào)分析的新方法。該方法既吸取了小波變換的多變分析優(yōu)勢(shì)，又避免了小波變換中需要 選取小波基的困難，且具有良好的局部適應(yīng)性。但是，EMD分解自身也存在一些不足，例如 當(dāng)數(shù)據(jù)不是純的白噪聲，EMD分解會(huì)出現(xiàn)模態(tài)混疊現(xiàn)象。針對(duì)傳統(tǒng)EMD方法的不足，提出了 一種噪聲輔助數(shù)據(jù)分析方法一EEMD方法。該方法能夠有效克服傳統(tǒng)EMD方法的模態(tài)混疊 現(xiàn)象，但存在端點(diǎn)效應(yīng)問(wèn)題，容易使得信號(hào)分解結(jié)果的兩端失真，不利于后續(xù)分析處理。

【發(fā)明內(nèi)容】

[0004] 為了解決以上技術(shù)問(wèn)題，本發(fā)明提供一種基于改進(jìn)EEMD(ImprovedEnsemble EmpiricalModeDecomposition,IEEMD)與BPNN的電力系統(tǒng)短期負(fù)荷預(yù)測(cè)方法，該方法可 以降低電力系統(tǒng)短期負(fù)荷序列的非平穩(wěn)性，利用IEEMD方法在非平穩(wěn)、非線性信號(hào)分析方 面的優(yōu)點(diǎn)和BPNN適用于非線性組合預(yù)測(cè)的特性，從而準(zhǔn)確對(duì)其進(jìn)行預(yù)測(cè)，該預(yù)測(cè)方法包括 如下步驟：
[0005] 步驟1 :使用改進(jìn)的EEMD(IEEMD)對(duì)非穩(wěn)態(tài)、非線性的歷史電力負(fù)荷數(shù)據(jù)進(jìn)行分 解，得到一系列平穩(wěn)的本征模態(tài)函數(shù)（IntrinsicModeFunction,IMF)分量及一個(gè)趨勢(shì)余 量。
[0006] 步驟2 :剔除步驟1中所得的第一階IMF分量（IMF1)。
[0007] 步驟3:使用BPNN分別對(duì)步驟1和步驟2所得的各階MF分量及趨勢(shì)余量進(jìn)行預(yù) 測(cè)。
[0008] 步驟4 :使用BPNN對(duì)步驟3所得的各階MF分量及趨勢(shì)余量進(jìn)行非線性組合，得 到電力負(fù)荷最終預(yù)測(cè)結(jié)果。
[0009] 具體解釋為：
[0010] 步驟1 :使用改進(jìn)的EEMD對(duì)非穩(wěn)態(tài)、非線性的歷史電力負(fù)荷數(shù)據(jù)進(jìn)行分解。
[0011] 這其中，改進(jìn)的EEMD方法包含如下步驟：
[0012] 子步驟11 :以原始信號(hào)左端處理過(guò)程為例。將待處理信號(hào)左端端點(diǎn)h設(shè)置為待 匹配波《的起點(diǎn)，將h后IiAt1設(shè)置為《的終點(diǎn)。此處，n為一天時(shí)間內(nèi)的采樣點(diǎn)數(shù)。
【主權(quán)項(xiàng)】
1. 基于lEEMD-BP順的電力系統(tǒng)短期負(fù)荷預(yù)測(cè)方法，包括如下步驟； 步驟1 ;使用IEEMD對(duì)非穩(wěn)態(tài)、非線性的歷史電力負(fù)荷數(shù)據(jù)進(jìn)行分解，得到一系列平穩(wěn) 的IMF分量及一個(gè)趨勢(shì)余量； 步驟2 ;剔除步驟1中所得的第一階IMF分量（IMFi); 步驟3 ;使用BP順?lè)謩e對(duì)步驟1和步驟2所得的各階IMF分量及趨勢(shì)余量進(jìn)行預(yù)測(cè)； 步驟4 ;使用BP順對(duì)步驟3所得的各階IMF分量及趨勢(shì)余量進(jìn)行非線性組合，得到電 力負(fù)荷最終預(yù)測(cè)結(jié)果； 其中，步驟1使用IEEMD對(duì)非穩(wěn)態(tài)、非線性的歷史電力負(fù)荷數(shù)據(jù)進(jìn)行分解的方法包含如 下步驟： 子步驟11 原始信號(hào)左端處理過(guò)程為例：將待處理信號(hào)左端端點(diǎn)t。設(shè)置為待匹配波 ?的起點(diǎn)，將t。后n點(diǎn)ti設(shè)置為《的終點(diǎn)；此處，n為一天時(shí)間內(nèi)的采樣點(diǎn)數(shù)，《=^， 1440為一天的總分鐘數(shù)，T為采樣時(shí)間（min); 子步驟12 ;計(jì)算《與原信號(hào)其余子波段Wi之間的波形相似度P，并W最大P值所 對(duì)應(yīng)的子波段作為與《最相似的子波段，P的計(jì)算公式如下：
其中，covO, 為兩波段的協(xié)方差，。〇)，。〇i)分別為《與的方差； 子步驟13 ;建立《與之間的數(shù)據(jù)相關(guān)性，公式如下： Y=a+bX 其中，X、Y分別為《和的幅值向量，a、b為相關(guān)性系數(shù)； 子步驟HW"mateh左端端點(diǎn)t'。為待延拓波形《mateh-left的起點(diǎn)，Wt'。前n點(diǎn)t'j為WmsteHeft的終點(diǎn)，求出延拓波形《exteMi。。，計(jì)算公式如下：
子步驟15 ;使用EEMD對(duì)延拓后的信號(hào)進(jìn)行分解后，移除所得IMF分量和趨勢(shì)余量?jī)啥?的延拓?cái)?shù)據(jù)，即可得到原信號(hào)的IEEMD分解結(jié)果。
2. 根據(jù)權(quán)利要求1所述的基于IEEMD-BP順的電力系統(tǒng)短期負(fù)荷預(yù)測(cè)方法，其特征在 于；所述子步驟15中ffiMD方法包含如下步驟： 子步驟151 ;向信號(hào)x(t)中加入白噪聲序列rii(t) (i表示第i次向信號(hào)中添加白噪 聲），得到混合信號(hào)Xi(t)，計(jì)算公式如下： Xi(t) =X(t)+rii(t)(i= 1, 2,. . . ,k) 子步驟152 ;對(duì)信號(hào)Xi(t)進(jìn)行EMD分解，得到一組IMF分量，記為cu(t)，j=l，2，...，m，j為IMF分量的階數(shù)； 子步驟153 ;重復(fù)子步驟151~152,并且每次加入不同的白噪聲序列，最后共得到k組 不同的IMF分量； 子步驟154 ;將得到的各階IMF分量分別求平均，均值作為EEMD分解的最終結(jié)果，計(jì)算 公式如下：
3.根據(jù)權(quán)利要求1所述的基于lEEMD-BP順的電力系統(tǒng)短期負(fù)荷預(yù)測(cè)方法，其特征在 于：所述步驟4得到的電力系統(tǒng)短期負(fù)荷預(yù)測(cè)結(jié)果使用均方根誤差（RootMeanSquare Error,RSME)、平均絕對(duì)誤差（MeanAbsolute化ror,MA巧和平均絕對(duì)百分比誤差（Mean Absolute化rcentage化ror,MAP巧S種評(píng)價(jià)指標(biāo)來(lái)評(píng)價(jià)預(yù)測(cè)方法的優(yōu)越性，S種指標(biāo)的 計(jì)算公式如下：
該其中，Xi代表著實(shí)際值，4代表著預(yù)測(cè)值，N代表著采樣點(diǎn)數(shù)； 該其中，RSME、MAE、MAPE值越小，說(shuō)明負(fù)荷預(yù)測(cè)精度越高。
【專利摘要】本發(fā)明屬于電力系統(tǒng)負(fù)荷預(yù)測(cè)技術(shù)領(lǐng)域，特別涉及一種基于改進(jìn)總體經(jīng)驗(yàn)?zāi)B(tài)分解(IEEMD)與反向傳播神經(jīng)網(wǎng)絡(luò)(BPNN)的電力系統(tǒng)短期負(fù)荷預(yù)測(cè)方法。步驟1：使用改進(jìn)的EEMD(IEEMD)對(duì)非穩(wěn)態(tài)、非線性的歷史電力負(fù)荷數(shù)據(jù)進(jìn)行分解，得到一系列平穩(wěn)的本征模態(tài)函數(shù)(IMF)分量及一個(gè)趨勢(shì)余量。步驟2：剔除步驟1中所得的第一階IMF分量(IMF1)。步驟3：使用BPNN分別對(duì)步驟1和步驟2所得的各階IMF分量及趨勢(shì)余量進(jìn)行預(yù)測(cè)。步驟4：使用BPNN對(duì)步驟3所得的各階IMF分量及趨勢(shì)余量進(jìn)行非線性組合，得到電力負(fù)荷最終預(yù)測(cè)結(jié)果。
【IPC分類】G06Q50-06, G06Q10-04
【公開(kāi)號(hào)】CN104794538
【申請(qǐng)?zhí)枴緾N201510184882
【發(fā)明人】李蔚, 盛德仁, 陳堅(jiān)紅, 俞蕓蘿
【申請(qǐng)人】浙江大學(xué)
【公開(kāi)日】2015年7月22日
【申請(qǐng)日】2015年4月20日