[发明专利]一种用户级综合能源系统多元负荷预测方法

权利要求书

1.一种用户级综合能源系统多元负荷预测方法，其特征在于，包括如下步骤：

步骤1：运用自适应噪声的完全集合经验模态分解分别对电负荷、冷负荷、热负荷进行本征模态分解，对分解得到的强非平稳分量运用变分模态分解再次进行分解；

步骤2：构建天气日历规则特征数据集，通过KPCA算法对天气日历规则特征集进行降维得到降维后天气日历规则主成分数据集；

步骤3：将二次分解得到的原始电负荷平稳序列分量、二次分解得到的原始冷负荷平稳序列分量、二次分解得到的原始热负荷平稳序列分量、降维后天气日历规则特征数据集组成MLR输入数据集，通过优化训练MLR模型得到优化后MLR模型；

步骤4：将二次分解得到的原始电负荷非平稳序列分量、二次分解得到的原始冷负荷非平稳序列分量、二次分解得到的原始热负荷非平稳序列分量、降维后天气日历规则特征数据集组成神经网络输入数据集，通过优化训练神经网络得到优化后神经网络模型；

步骤5：将原始电负荷平稳序列分量、原始冷负荷平稳序列分量、原始热负荷平稳序列分量与降维后天气日历规则特征数据集组成输入数据集，通过优化后MLR模型预测得到待预测的电负荷平稳序列分量、待预测的冷负荷平稳序列分量、待预测的热负荷平稳序列分量；将原始电负荷非平稳序列分量、原始冷负荷非平稳序列分量、原始热负荷非平稳序列分量与降维后天气日历规则特征数据集组成输入数据集，通过优化后神经网络模型预测得到待预测的电负荷非平稳序列分量、待预测的冷负荷非平稳序列分量、待预测的热负荷非平稳序列分量，将优化后MLR模型预测得到的所有待预测的负荷平稳序列分量与优化后神经网络模型预测得到的所有待预测的负荷非平稳序列分量相加得到最终的待预测电负荷值、待预测冷负荷值、待预测热负荷值。

2.根据权利要求1所述的用户级综合能源系统多元负荷预测方法，其特征在于：

所述步骤1：

步骤1.1：引入原始负荷序列；

所述原始负荷序列为：x(t),t∈[1,T]；

其中，x(t)为原始负荷序列中t时刻的原始负荷，T为原始负荷的数量；

步骤1.2：向原始负荷序列加入正白噪声序列得到加入正白噪声后的负荷序列；

所述加入正白噪声后的负荷序列为：

m⁺(t)＝x(t)+n⁺(t),t∈[1,T]

其中，n⁺(t)为正白噪声序列中t时刻引入的正白噪声，T为原始负荷的数量即正白噪声的数量，m⁺(t)为加入正白噪声后的负荷序列第t时刻的负荷；

所述正白噪声序列为：n⁺(t),t∈[1,T]；

所述加入正白噪声后的负荷序列为：m⁺(t),t∈[1,T]；

步骤1.3：向原始负荷序列加入负白噪声序列得到加入负白噪声后的负荷序列；

所述加入负白噪声后的负荷序列为：

m^-(t)＝x(t)+n^-(t),t∈[1,T]

式中，n^-(t)为负白噪声序列中t时刻引入的负白噪声，T为原始负荷的数量即负白噪声的数量，m^-(t)为加入负白噪声后的负荷序列第t时刻的负荷；

所述负白噪声序列为：n^-(t),t∈[1,T]；

所述加入负白噪声后的负荷序列为：m^-(t),t∈[1,T]；

步骤1.4：运用经验模态分解法对加入正白噪声后的负荷序列进行模态分解得到经验模态分解后对应的一组本征模态负荷序列组F⁺(u,t),(u∈[1,U],t∈[1,T])，运用经验模态分解法对加入负白噪声后的负荷序列进行模态分解得到经验模态分解后对应的一组本征模态负荷序列组F^-(v,t),(v∈[1,V],t∈[1,T])，其中F⁺(u,t)表示加入正白噪声后的负荷序列进行经验模态分解后第u个序列分量第t时刻的负荷，F^-(v,t)表示加入负白噪声后的负荷序列进行经验模态分解后第v个序列分量第t时刻的负荷，U和V均表示分解后的序列分量数且U＝V；

所述加入正白噪声后的负荷序列为：[m⁺(1),m⁺(2),...,m⁺(T)]^T；

所述加入负白噪声后的负荷序列为：[m^-(1),m^-(2),...,m^-(T)]^T；

所述加入正白噪声负荷序列经验模态分解后的一组本征模态负荷序列中第u个序列分量为：[F⁺(u,1),F⁺(u,2),...,F⁺(u,T)]^T,u∈[1,U]；

所述加入负白噪声负荷序列经验模态分解后的一组本征模态负荷序列中第v个序列分量为：[F^-(v,1),F^-(v,2),...,F^-(v,T)]^T,v∈[1,V]；

步骤1.5：重复执行步骤1.1至步骤1.4多次，将多次得到的经验模态分解后的正白噪声负荷序列对应的本征模态负荷序列组通过均值计算得到经验模态分解后正白噪声负荷序列对应的一组本征模态平均负荷序列组，将多次得到的经验模态分解后的负白噪声负荷序列对应的本征模态负荷序列组通过均值计算得到经验模态分解后负白噪声负荷序列对应的一组本征模态平均负荷序列组；

所述通过均值计算得到经验模态分解后的正白噪声对应的一组本征模态平均负荷序列中第u个序列分量第t时刻平均负荷为：

式中，F_i⁺(u,t)为第i次经验模态分解后的正白噪声负荷序列对应的本征模态负荷序列组中第u个序列分量第t时刻的负荷，为经验模态分解后的正白噪声负荷序列对应的一组本征模态平均负荷序列中第u个序列分量第t时刻平均负荷，N为重复执行的次数；

所述经验模态分解后的正白噪声负荷序列对应的一组本征模态平均负荷序列组为：

所述通过均值计算得到经验模态分解后的负白噪声对应的一组本征模态平均负荷序列中第v个序列分量第t时刻平均负荷为：

式中，F_i^-(v,t)为第i次经验模态分解后的负白噪声负荷序列对应的本征模态负荷序列组中第v个序列分量第t时刻的负荷，为经验模态分解后的负白噪声负荷序列对应的一组本征模态平均负荷序列中第v个序列分量第t时刻平均负荷，N为重复执行的次数；

所述经验模态分解后的负白噪声负荷序列对应的一组本征模态平均负荷序列组为：

步骤1.6：将经验模态分解后的正白噪声负荷序列对应的一组本征模态平均负荷序列组、经验模态分解后的负白噪声负荷序列对应的一组本征模态平均负荷序列组通过均值计算得到最终一组负荷分解序列组；

所述通过均值计算得到最终负荷分解序列组为：

式中，load(k,t)为最终负荷分解序列组中第k个序列分量第t时刻负荷；

步骤1.7：将最终负荷分解序列组中每个序列分量通过近似熵法得到每个序列分量的平稳性强度，根据平稳性强度从左到右由弱至强的顺序，对最终负荷分解序列组中每个序列分量进行排序，得到平稳性强度排序后序列分量；

所述最终负荷分解序列组中每个序列分量为：

其中，load表示原始负荷序列经CEEMDAN最终分解的序列组，G_k表示最终分解序列组中第k个本征模态分量序列，G_k(t)表示最终分解序列组中第k个本征模态分量序列第t时刻负荷，U表示分解后的序列分量数，T表示一个序列分量内包含样本的数量；

所述每个序列分量的平稳性强度为：

load_stat＝[ξ₁,...,ξ_k,...,ξ_U],k∈[1,U]

式中，load_stat为每个序列分量的平稳性强度集；ξ_k,k∈[1,U]表示第k个序列分量的平稳性强度，U表示分解后的序列分量数；

所述平稳性强度排序后序列分量为：

其中，load_SE表示平稳性强度排序后序列分量，g_γ表示平稳性强度排序后序列分量中第γ个本征模态分量序列，g_γ(t)表示平稳性强度排序后序列分量中第γ个本征模态分量序列第t时刻负荷，U表示分解后的序列分量数，T表示一个序列分量内包含样本的数量；

load_SE进一步简化为：

load_SE＝[g₁,...,g_γ,...,g_U],γ∈[1,U]，g_γ＝[g_γ(1),...,g_γ(t),...,g_γ(T)]^T,t∈[1,T]

所述平稳性强度排序后序列分量组load_SE对应的每个序列分量的平稳性强度更新为：

式中，为平稳性强度排序后序列分量组内每个序列分量的平稳性强度集；χ_γ,γ∈[1,U]表示第γ个序列分量的平稳性强度，U表示分解后的序列分量数；

以τ₁作为平稳与非平稳的分界值，τ₂作为非平稳与强非平稳的分界值，对每个序列的平稳性强度进行分析；

对任意γ∈[1,U]，若χ_γ＜τ₁则该序列分量归为平稳序列分量，若τ₁≤χ_γ≤τ₂则该序列分量归为非平稳序列分量，若χ_γ＞τ₂则该序列分量归为强非平稳序列分量；

U1个强非平稳分量序列构建的强非平稳分量集合即：

load_sns＝[g₁,g₂,...,g_q,...,g_U1],q∈[1,U1]；

U2个非平稳分量序列构建的非平稳分量序列集合即：

load_ns＝[g_U1+1,g_U1+2,...,g_U1+z,...,g_U1+U2],z∈[1,U2]

U3个平稳分量序列构建的平稳分量序列集合即：

load_s＝[g_U1+U2+1,g_U1+U2+2,...,g_U1+U2+b,...,g_U1+U2+U3],b∈[1,U3]

其中：

U1+U2+U3＝U

g_q＝[g_q(1),g_q(2),...,g_q(T)]^T,q∈[1,U1]

g_U1+z＝[g_U1+z(1),g_U1+z(2),...,g_U1+z(T)]^T,z∈[1,U2]

g_U1+U2+b＝[g_U1+U2+b(1),g_U1+U2+b(2),...,g_U1+U2+b(T)]^T,b∈[1,U3]

步骤1.8：将每个强非平稳分量序列通过变分模态分解进行进一步分解，得到强非平稳分量序列经变分模态分解后的平稳分量序列与非平稳分量序列组；

所述强非平稳分量序列通过VMD进行进一步分解得到的强非平稳分量序列经VMD分解所得序列组为：

简写u_r＝[u_r(1),...,u_r(t),...,u_r(T)]^T,t∈[1,T]，u_r表示强非平稳分量序列通过VMD进一步分解后序列分量中第r个本征模态分量序列；u_r(t)表示强非平稳分量序列通过VMD进一步分解后序列分量中第r个本征模态分量序列第t时刻负荷；R表示分解得到的序列分量数；T表示一个序列分量内包含样本的数量；

将load_sns＝[g₁,g₂,...,g_q,...,g_U1],q∈[1,U1]中g_q＝[g_q(1),g_q(2),...,g_q(T)]^T,q∈[1,U1]中每个强非平稳分量序列通过VMD进行进一步分解为：

所述VMD方法的原理为：寻找R个本征模态函数分量集合{u₁,...,u_R}，每个本征模态函数分量对应的中心频率为{ω₁,...,ω_R}，以R个本征模态函数分量之和等于待分解序列g_q为约束条件，使得分解后每个u_r,r∈[1,R]的估计带宽之和最小；

所述VMD方法的具体步骤如下：

构造约束变分最优问题：

式中，g_q(t)为load_sns中第q个序列第t时刻负荷，{u₁,...,u_R}为g_q分解后的模态集合，其中u₁(t)指VMD分解后的第1个模态的第t时刻负荷，u_R(t)指VMD分解后的第R个模态的第t时刻负荷；{ω₁,...,ω_R}为{u₁,...,u_R}中各序列分量对应的中心频率，其中ω₁为负荷序列[u₁(1),u₁(2),...,u₁(T)]^T的中心频率，ω_R为负荷序列[u_R(1),u_R(2),...,u_R(T)]^T的中心频率；表示对t求偏导；δ(t)为Dirac分布；*为卷积运算符；表示求二范数的平方；

利用二次惩罚因子α和Lagrange乘子λ(t)构造Lagrange函数，将上述约束问题转化为无约束问题，转变后的扩展的Lagrange表达式为：

式中，L(·)表示Lagrange函数；λ(t)为Lagrange乘子，用来严格保持约束条件；α为二次惩罚因子，保证重构精度；＜·＞表示求内积；

利用交替方向乘子算法寻找最优解，不断更新u_r、ω_r，公式如下：

式中，m为迭代次数，m≤M，M为最大迭代次数；^表示傅里叶变换；为当前信号的维纳滤波，为的傅里叶变换，表示分解后第r个模态第m+1次迭代后的频域值；为对应序列的功率谱重心；为对应g_q(t)经傅里叶变换后的频域值；为对应u(t)经傅里叶变换后的频域值；为对应λ(t)经傅里叶变换后的频域值；

所述将强非平稳分量序列通过VMD进一步分解得到的强非平稳分量序列经变分模态分解所得的分量序列组为：

简写u_r＝[u_r(1),...,u_r(t),...,u_r(T)]^T,t∈[1,T]，u_r表示强非平稳分量序列通过VMD进一步分解后序列分量中第r个本征模态分量序列；u_r(t)表示强非平稳分量序列通过VMD进一步分解后序列分量中第r个本征模态分量序列第t时刻负荷；R表示分解得到的序列分量数；T表示一个序列分量内包含样本的数量；

将强非平稳分量序列通过VMD进一步分解得到的分量序列组中每个序列分量通过近似熵法得到每个序列分量的平稳性强度：

以τ₁作为平稳与非平稳的分界值，τ₂作为非平稳与强非平稳的分界值，对每个序列的平稳性强度进行分析；对任意r∈[1,R]，若κ_r＜τ₁则该序列分量归为平稳序列分量，若τ₁≤κ_r≤τ₂则该序列分量归为非平稳序列分量；

步骤1.9：构建原始负荷序列经过二次分解最终得到的平稳序列分量组、原始负荷序列经过二次分解最终得到的非平稳序列分量组；

将原始负荷序列经CEEMDAN分解得到的平稳序列组以及原始负荷序列经CEEMDAN分解得到的强平稳序列组再次经VMD进行分解后所得的强平稳序列组经VMD再次进行分解所得的平稳序列组进行组合，最终得到I个平稳序列分量数，并将原始负荷序列经二次分解最终得到的平稳序列组定义为Load_s；

将原始负荷序列经CEEMDAN分解得到的非平稳序列组以及原始负荷序列经CEEMDAN分解得到的强平稳序列组再次经VMD进行分解后所得的强平稳序列组经VMD再次进行分解所得的非平稳序列组进行组合，最终得到J个非平稳序列分量数，并将原始负荷序列经二次分解最终得到的非平稳序列组定义为Load_ns；其中，Load_ns中每个序列分量已通过近似熵法得到每个序列分量的平稳性强度，并根据平稳性强度从左到右由弱至强的顺序进行排序；

所述原始负荷序列经过二次分解并按照平稳性强度从左到右由弱至强的顺序进行排序后最终得到的平稳序列分量组Load_s为：

简写L_s：Load_s＝[A₁,...,A_α,...,A_I],α∈[1,I]，A_α＝[A_α(1),...,A_α(t),...,A_α(T)]^T,t∈[1,T]，A_α表示原始负荷序列经过二次分解并按照平稳性强度从左到右由弱至强的顺序进行排序后最终得到的平稳序列分量组中第α个本征模态分量序列；A_α(t)表示原始负荷序列经过二次分解并按照平稳性强度从左到右由弱至强的顺序进行排序后最终得到的平稳序列分量组中第α个本征模态分量序列第t时刻负荷；I表示经过二次分解后最终的平稳序列分量数；T表示每个序列分量包含的样本数；

所述原始负荷序列经过二次分解并按照平稳性强度从左到右由弱至强的顺序进行排序后最终得到的非平稳序列分量组Load_ns为：

简写Load_ns：Load_ns＝[B₁,...,B_β,...,B_J],β∈[1,J]，B_β＝[B_β(1),...,B_β(t),...,B_β(T)]^T,t∈[1,T]，B_β表示原始负荷序列经过二次分解并按照平稳性强度从左到右由弱至强的顺序进行排序后最终得到的非平稳序列分量组中第β个本征模态分量序列；B_β(t)表示原始负荷序列经过二次分解并按照平稳性强度从左到右由弱至强的顺序进行排序后最终得到的非平稳序列分量组中第β个本征模态分量序列第t时刻负荷；J表示经过二次分解后最终的非平稳序列分量数；T表示每个序列分量包含的样本数；

由步骤1.1至步骤1.9，可以分别得到原始电、冷、热负荷序列分别经过二次分解并按照平稳性强度从左到右由弱至强的顺序进行排序后最终得到的原始电、冷、热负荷序列各自对应的平稳、非平稳序列分量组为：

所述原始电负荷序列为：x^e(t),t∈[1,T]；

其中，x^e(t)为原始电负荷序列中t时刻的原始电负荷，T为原始电负荷的数量；

所述原始电负荷序列经过二次分解并按照平稳性强度从左到右由弱至强的顺序进行排序后，得到原始电负荷平稳序列分量组为：

简写表示原始电负荷序列经过二次分解并按照平稳性强度从左到右由弱至强的顺序进行排序后最终得到的平稳序列分量组中第α个本征模态分量序列；表示原始电负荷序列经过二次分解并按照平稳性强度从左到右由弱至强的顺序进行排序后最终得到的平稳序列分量组中第α个本征模态分量序列第t时刻负荷；I表示经过二次分解后最终的平稳序列分量数；T表示每个序列分量包含的样本数；

所述原始电负荷序列经过二次分解并按照平稳性强度从左到右由弱至强的顺序进行排序后最终得到原始电负荷非平稳序列分量组为：

简写表示原始电负荷序列经过二次分解并按照平稳性强度从左到右由弱至强的顺序进行排序后最终得到的非平稳序列分量组中第β个本征模态分量序列；表示原始电负荷序列经过二次分解并按照平稳性强度从左到右由弱至强的顺序进行排序后最终得到的非平稳序列分量组中第β个本征模态分量序列第t时刻负荷；J表示经过二次分解后最终的非平稳序列分量数；T表示每个序列分量包含的样本数；

所述原始冷负荷序列为：x^c(t),t∈[1,T]；

其中，x^c(t)为原始冷负荷序列中t时刻的原始冷负荷，T为原始冷负荷的数量；

所述原始冷负荷序列经过二次分解并按照平稳性强度从左到右由弱至强的顺序进行排序后最终得到原始冷负荷平稳序列分量组为：

简写表示原始冷负荷序列经过二次分解并按照平稳性强度从左到右由弱至强的顺序进行排序后最终得到的平稳序列分量组中第α个本征模态分量序列；表示原始冷负荷序列经过二次分解并按照平稳性强度从左到右由弱至强的顺序进行排序后最终得到的平稳序列分量组中第α个本征模态分量序列第t时刻负荷；I表示经过二次分解后最终的平稳序列分量数；T表示每个序列分量包含的样本数；

所述原始冷负荷序列经过二次分解并按照平稳性强度从左到右由弱至强的顺序进行排序后最终得到原始冷负荷非平稳序列分量组为：

简写表示原始冷负荷序列经过二次分解并按照平稳性强度从左到右由弱至强的顺序进行排序后最终得到的非平稳序列分量组中第β个本征模态分量序列；表示原始冷负荷序列经过二次分解并按照平稳性强度从左到右由弱至强的顺序进行排序后最终得到的非平稳序列分量组中第β个本征模态分量序列第t时刻负荷；J表示经过二次分解后最终的非平稳序列分量数；T表示每个序列分量包含的样本数；

所述原始热负荷序列为：x^h(t),t∈[1,T]；

其中，x^h(t)为原始热负荷序列中t时刻的原始热负荷，T为原始热负荷的数量；

所述原始热负荷序列经过二次分解并按照平稳性强度从左到右由弱至强的顺序进行排序后最终得到原始热负荷平稳序列分量组为：

简写表示原始热负荷序列经过二次分解并按照平稳性强度从左到右由弱至强的顺序进行排序后最终得到的平稳序列分量组中第α个本征模态分量序列；表示原始热负荷序列经过二次分解并按照平稳性强度从左到右由弱至强的顺序进行排序后最终得到的平稳序列分量组中第α个本征模态分量序列第t时刻负荷；I表示经过二次分解后最终的平稳序列分量数；T表示每个序列分量包含的样本数；

所述原始热负荷序列经过二次分解并按照平稳性强度从左到右由弱至强的顺序进行排序后最终得到原始热负荷非平稳序列分量组为：

简写表示原始热负荷序列经过二次分解并按照平稳性强度从左到右由弱至强的顺序进行排序后最终得到的非平稳序列分量组中第β个本征模态分量序列；表示原始热负荷序列经过二次分解并按照平稳性强度从左到右由弱至强的顺序进行排序后最终得到的非平稳序列分量组中第β个本征模态分量序列第t时刻负荷；J表示经过二次分解后最终的非平稳序列分量数；T表示每个序列分量包含的样本数。