[发明专利]一种短期电力负荷预测方法

权利要求书

1.一种短期电力负荷预测方法，其特征在于，包括以下步骤：

(1)、采集若干天以及每天中的若干个时间点的电路负荷数据，构成原始负荷序列；

(2)、对所述原始负荷序列进行集合经验模态分解，将原始负荷序列自适应地分解为一系列特定周期成分的本征模态函数和一个残余量；

(3)、对于每一个分解得到的分量，分别采用极限学习机进行预测；利用极限学习机针对每一个本征模态分量以及残余分量中连续日、相同时刻对应的负荷数据分别进行预测模型建模，利用得到的预测模型进行电力负荷的预测；

(4)、通过线性叠加处理，给出最终预测结果。

2.根据权利要求1所述的短期电力负荷预测方法，其特征在于，在所述对原始负荷序列进行集合经验模态分解之前，对原始负荷序列进行不良数据处理。

3.根据权利要求1所述的短期电力负荷预测方法，其特征在于，所述步骤(2)具体包括以下步骤：

1)、初始化整体重复的执行次数M；

2)、在原始负荷序列x(t)上添加白噪声n_i(t)得到新的信号x_i(t)，计算公式为：x_i(t)＝x(t)+n_i(t)，

其中，该白噪声服从(0,(ασ)²)的正态分布，σ＝std(x(t))为信号的标准差，α为加性白噪声的强度参数，这里n_i(t)为第i次添加的白噪声，x_i(t)是第i次添加白噪声后所得到的新的信号，i＝1,2,...,M；

3)、采用经验模态分解方法对新生成的信号x_i(t)进行分解得到一系列本征模态函数，计算公式为：

xi(t)=Σs=1Sci,s(t)+ri,S(t),]]>

其中，S是经经验模态分解方法分解所得到的本征模态函数的个数，r_i,S(t)是残余量，c_i,s(t)是对第i次添加白噪声得到的信号进行经验模态分解后得到的第s个本征模态函数，s＝1,2,...,S，i＝1,2,...,M；

4)、得到如下的本征模态函数的集合：[{c1,1(t),c1,2(t),...,c1,S(t)},{c2,1(t),c2,2(t),...,c2,S(t)},...,{cM,1(t),cM,2(t),...,cM,S(t)}].]]>

4.根据权利要求2所述的短期电力负荷预测方法，其特征在于，所述对原始负荷序列进行不良数据处理的步骤为：

1)、剔除异常数据，进行数据的平滑；

2)、对数据进行归一化。