[发明专利]一种基于多模融合的配电网短期负荷预测方法

权利要求书

1.一种基于多模融合的配电网短期负荷预测方法，其特征在于，主要包括以下步骤：

1)采集所述配电网历史负荷时序数据X，并提取数据特征；

2)对历史负荷时序数据X进行STL时间序列分解，得到趋势项序列X_trend、周期项序列X_seasonal和剩余项序列X_remainder；

3)利用LSTM-Ensemble法对趋势项序列X_trend和剩余项序列X_remainder建模，从而得到趋势项序列X_trend对应的具有N种结构的LSTM神经网络模型Trend{LSTM₁,LSTM₂,…,LSTM_N}、剩余项序列X_remainder对应的具有N种结构的LSTM神经网络模型Remainder{LSTM₁,LSTM₂,…,LSTM_N}和集成预测模型；

4)根据周期项序列X_seasonal的周期趋势得到周期项预测结果O_s；

5)获取预测样本；

6)将预测样本输入到趋势项预测模型Trend{LSTM₁,LSTM₂,…,LSTM_N}和剩余项预测模型Remainder{LSTM₁,LSTM₂,…,LSTM_N}中，从而得到趋势项预测结果O_t和剩余项预测结果O_r；

计算得到趋势项预测结果的主要步骤如下：

6.1)在LSTM神经网络模型Trend{LSTM₁,LSTM₂,…,LSTM_N}中输入矩阵I_tn；

矩阵I_tn如下所示：

I_tn＝(i_tn1,i_tn2,…,i_tnt,…,i_tnT)； (1)

式中，n∈[1,M],i∈Z；T为输入样本序列长度，i_tnt为趋势项第n个预测样本序列中t时刻趋势项的特征；M为预测样本总数；

i_tnt如下所示：

i_tnt＝{t_tnt,d_tnt,Temp_tnt,H_tnt,DP_tnt,dap_tnt,da_tnt-24}； (2)

式中，t_tnt为趋势项第n个预测样本序列中t时刻趋势项的采样时刻；d_tnt为趋势项第n个预测样本序列中t时刻趋势项的日信息；Temp_tnt为趋势项第n个预测样本序列中t时刻趋势项的温度；H_tnt为趋势项第n个预测样本序列中t时刻趋势项的湿度；DP_tnt为趋势项第n个预测样本序列中t时刻趋势项的露点；dap_tnt为趋势项第n个预测样本序列中t时刻趋势项的前一天峰值；da_tnt-24为趋势项第n个预测样本序列中t时刻趋势项的前一天同时刻负荷值；

6.2)输入所有趋势项预测样本后得到趋势项预测结果O_t；

趋势项预测结果O_t如下所示：

O_t＝(o_t1,o_t2,…,o_tj,…,o_tN)； (3)

式中，o_tj为第j个趋势项预测模型对预测样本输出结果；

其中，第j个趋势项预测模型对预测样本输出结果o_tj如下所示：

o_tj＝(o_tj1,o_tj2,…o_tjl,…,o_tjM)^T； (4)

式中，o_tjl为第j个趋势项预测模型对第l个预测样本输出结果；

7)整合周期项预测结果O_s、趋势项预测结果O_t和剩余项预测结果O_r，并利用集成预测，得到最终的预测结果

预测结果Prediction主要步骤如下：

7.1)M个预测样本的预测结果pred如下所示：

pred＝O_t+O_s+O_r； (5)

式中，O_s为周期项预测结果；O_t为趋势项预测结果；O_r为剩余项预测结果；

7.2)利用集成预测将N类模型预测结果pred进行非线性集成，从而得到预测结果