[发明专利]一种基于数据驱动的短期用电量预测方法

权利要求书

1.一种基于数据驱动的短期用电量预测方法，它包括：

步骤1、获取原始负荷序列数据；

步骤2、对原始序列进行3层小波分解；

步骤3、对分解后的各序列进行二插值重构；

步骤4、针对重构后各序列进行归一化后分别进行IFA-ELM模型训练和预测；

步骤5、各序列预测值映射回原区间后叠加得到最终预测结果；

步骤6、预测评价：对误差进行量化评价。

2.根据权利要求1所述的一种基于数据驱动的短期用电量预测方法，其特征在于：对原始序列进行3层小波分解及对分解后的各序列进行二插值重构的方法为：

将负荷序列分解为不同频率的高频细节序列d₁,d₂…d_J和一个低频近似序a_J，J为最大分解层数，采用db3小波基进行3层分解，分解过程如下式：

式中：a_j,d_j分别为原始信号在分辨率2^-j下的低频信号和高频信号，是原始信号在相邻不同频率段上的成分；H为低通滤波器；G为高通滤波器；

进行二插值重构使得信号长度还原，

式中：H^*,G^*分别为H,G的对偶算子，对d₁,d₂…d_J和a_J进行重构后得到细节序D₁,D₂…D_J和近似序列A_J，长度与原始序列相同，并有

S＝D₁+D₂+…D_J+A_J

针对重构后的细节序列和近似序列分别进行预测。

3.根据权利要求1所述的一种基于数据驱动的短期用电量预测方法，其特征在于：步骤4所述针对重构后各序列进行归一化后分别进行IFA-ELM模型训练和预测的方法包括：

步骤4.1：初始化：ELM初始化m,M,n，激活函数g(x)；萤火虫算法初始化，包括设置种群规模N，萤火虫位置初始化，最大迭代次数Miter，β₀＝1及自适应参数初始值初值α₀；迭代次数cc＝1；

步骤4.2：对给定的训练样本，将萤火虫位置映射到待优化变量范围，解得和解得E(S^cc)，计算萤火虫适应度；

步骤4.3：计算参数，比较萤火虫之间的适应度，更新萤火虫位置；

步骤4.4：进行个体变异更新；

步骤4.5：若达到最大迭代次数，则输出结果，否则cc＝cc+1，转步骤4.2。