[发明专利]一种基于小波包与神经网络的综合能源负荷预测方法

权利要求书

1.一种基于小波包与神经网络的综合能源负荷预测方法，其特征在于，包括如下步骤：

获取历史负荷数据；

对历史负荷数据中不同种类的负荷数据分别进行小波包分解，得到每种负荷数据在不同频段下的负荷序列；

计算在同一频段下不同种类的负荷序列每两种之间的相关系数；

筛选出在某一频段下相关系数绝对值均大于设定阈值的负荷序列；

将筛选后的负荷序列分为训练样本和预测样本，并根据筛选后的负荷序列的种类和频段建立不同的BP神经网络；

将所述训练样本输入相应的BP神经网络，得到负荷预测模型；

将所述预测样本输入相应的负荷预测模型，得到负荷预测结果。

2.如权利要求1所述的方法，其特征在于，在所述获取历史负荷数据之后，还包括：

对所述历史负荷数据的缺失数据进行填补，得到预处理后的历史负荷数据；

相应地，所述对历史负荷数据中不同种类的负荷数据分别进行小波包分解，得到每种负荷数据在不同频段下的负荷序列，包括：

对所述预处理后的历史负荷数据中不同种类的负荷数据分别进行小波包分解，得到每种负荷数据在不同频段下的负荷序列。

3.如权利要求1所述的方法，其特征在于，所述对历史负荷数据中不同种类的负荷数据分别进行小波包分解，得到每种负荷数据在不同频段下的负荷序列，包括：

采用小波基函数分别对所述历史负荷数据中不同种类的负荷数据进行分解，得到每种负荷数据的小波包分解系数；

对小波包分解系数进行单支重构，得到每种负荷数据在不同频段下的负荷序列。

4.如权利要求1所述的方法，其特征在于，所述将筛选后的负荷序列分为训练样本和预测样本，并根据筛选后的负荷序列的种类和频段建立不同的BP神经网络，包括：

将筛选后的负荷序列进行归一化处理；

将归一化处理后的负荷序列分为训练样本和预测样本；

根据筛选后的负荷序列的种类和频段建立不同的BP神经网络。

5.如权利要求4所述的方法，其特征在于，所述将所述训练样本输入相应的BP神经网络，得到负荷预测模型，包括：

将训练样本中时刻k以前获取的归一化处理后的负荷序列输入相应的BP神经网络，得到时刻k的负荷序列的预测结果；

对BP神经网络进行迭代训练，直至预测误差达到设定的阈值后停止训练，得到负荷预测模型。

6.如权利要求1所述的方法，其特征在于，所述将所述预测样本输入相应的负荷预测模型，得到负荷预测结果，包括：

将所述预测样本输入相应的负荷预测模型，得到每个负荷序列的预测结果；

将同种负荷序列在不同频段下的预测结果相加，得到负荷预测结果。

7.如权利要求6所述的方法，其特征在于，在所述将同种负荷序列在不同频段下的预测结果相加，得到负荷预测结果之后，还包括：

对所述负荷预测结果进行反归一化处理，得到归一化后的负荷预测结果。