[发明专利]一种电力负荷预测方法及系统

权利要求书

1.一种电力负荷预测方法，其特征在于，包括：

采用集总经验模态分解方法对原始负荷序列进行分解，得到多个模态分量；

计算所述各模态分量的近似熵，并对每个模态分量的近似熵进行叠加，得到与每个模态分量对应的分量序列；

利用基于极限学习机的负荷预测模型对每个分量序列分别进行负荷预测，得到与每个分量序列对应的负荷预测结果；

将与每个分量序列对应的负荷预测结果进行叠加，得到与所述原始负荷序列对应的负荷预测值。

2.如权利要求1所述的电力负荷预测方法，其特征在于，所述计算所述各模态分量的近似熵，并对每个模态分量的近似熵进行叠加，得到与每个模态分量对应的分量序列，包括：

对所述各模态分量的一维时间序列进行m维重构，得到向量V(j),V(q)；

计算两个向量V(j),V(q)的距离d[V(j),V(q)]；

根据距离d[V(j),V(q)]计算相关积分

根据相关积分，计算向量V(j)的平均自相关程度；

根据向量V(j)的平均自相关程度，计算该模态分量的近似熵；

将该模态分量的近似熵进行叠加，得到与每个模态分量对应的分量序列。

3.如权利要求1所述的电力负荷预测方法，其特征在于，所述利用基于极限学习机的负荷预测模型对每个分量序列分别进行负荷预测，得到与每个分量序列对应的负荷预测结果，包括：

将所述由分量序列构成的样本作为所述基于极限学习机的负荷预测模型的输入向量，将与每个分量序列对应的期望输出值作为与每个分量序列对应的负荷预测结果，所述极限学习机的负荷预测模型为：

其中，为隐含层节点的数目，g(x)为激活函数，为输入层到隐含层的权值，为第i个隐含节点的偏差，为隐含层到输出层的权值，为输入的分量序列，为期望输出值，N为样本数量。

4.一种电力负荷预测系统，其特征在于，包括：分解模块、分量序列计算模块、负荷预测模块以及负荷叠加模块；

分解模块用于采用集总经验模态分解方法对原始负荷序列进行分解，得到多个模态分量；

分量序列计算模块用于计算所述各模态分量的近似熵，并对每个模态分量的近似熵进行叠加，得到与每个模态分量对应的分量序列；

负荷预测模块用于利用基于极限学习机的负荷预测模型对每个分量序列分别进行负荷预测，得到与每个分量序列对应的负荷预测结果；

负荷叠加模块用于将与每个分量序列对应的负荷预测结果进行叠加，得到与所述原始负荷序列对应的负荷预测值。

5.如权利要求4所述的电力负荷预测系统，其特征在于，所述分量序列计算模块包括重构单元、向量间距离计算单元、相关积分计算单元、平均自相关程度计算单元、近似熵计算单元以及叠加单元；

重构单元用于对所述各模态分量的一维时间序列进行m维重构，得到向量V(j),V(q)；

向量间距离计算单元用于计算两个向量V(j),V(q)的距离d[V(j),V(q)]；

相关积分计算单元用于根据距离d[V(j),V(q)]计算相关积分

平均自相关程度计算单元用于根据相关积分，计算向量V(j)的平均自相关程度；

近似熵计算单元用于根据向量V(j)的平均自相关程度，计算该模态分量的近似熵；

叠加单元用于将该模态分量的近似熵进行叠加，得到与每个模态分量对应的分量序列。

6.如权利要求4所述的电力负荷预测系统，其特征在于，所述负荷预测模块包括样本构建单元和预测单元；

样本构建单元用于根据所述分量序列构成样本；

预测单元用于将所述样本作为所述基于极限学习机的负荷预测模型的输入向量，将与每个分量序列对应的期望输出值作为与每个分量序列对应的负荷预测结果，所述极限学习机的负荷预测模型为：

其中，为隐含层节点的数目，g(x)为激活函数，为输入层到隐含层的权值，为第i个隐含节点的偏差，为隐含层到输出层的权值，为输入的分量序列，为期望输出值，N为样本数量。