[发明专利]基于改进TCN修正累积误差的可调节负荷功率多步预测方法

权利要求书

1.基于改进TCN修正累积误差的可调节负荷功率多步预测方法，其特征在于，

所述方法包括：

步骤1，采集可调节负荷功率历史数据并进行预处理，得到可调节负荷功率序列；

步骤2，采用变分模态分解方法对可调节负荷功率序列进行分解，得到主成分序列和噪声序列；

步骤3，采用自适应移动平滑方法对噪声序列进行平滑处理；

步骤4，构建基于多尺度卷积方法和自注意力方法的模型；以平滑处理后的噪声序列为模型输入，利用多尺度卷积方法获得可调节负荷功率序列的时间特征和空间特征，利用自注意力方法获得可调节负荷预测值与可调节负荷功率历史数据之间的映射关系；

步骤5，以可调节负荷功率序列的时间特征和空间特征为输入，基于单个多输入单输出的时间卷积网络，建立可调节负荷功率的单步预测模型；

步骤6，在单步预测模型的基础上，以训练好的多输入多输出的时间卷积网络作为解码层，将基于多尺度卷积方法和自注意力方法的模型作为编码层，建立可调节负荷功率的多步预测模型；

步骤7，根据预测步数选择预测模型，即单步预测时选用单步预测模型，多步预测时选用多步预测模型，由所选择的预测模型对可调节负荷功率进行预测。

2.根据权利要求1所述的基于改进TCN修正累积误差的可调节负荷功率多步预测方法，其特征在于，

步骤1中，每15分钟为1个采样时刻，采集可调节负荷瞬时有功功率的历史数据。

3.根据权利要求2所述的基于改进TCN修正累积误差的可调节负荷功率多步预测方法，其特征在于，

步骤1中，对可调节负荷瞬时有功功率的历史数据进行预处理包括：异常值处理、空缺值填补和归一化处理；

异常值包括：负值，超出满载功率值，乱码；其中，负值的处理方式为直接置零的方式；超出满载功率值和乱码的处理方式为利用前后两个采样时刻的可调节负荷瞬时有功功率对超出满载功率值和乱码进行修正；

空缺值填补的方式为利用前后两个采样时刻的可调节负荷瞬时有功功率对空缺值进行填充。

4.根据权利要求3所述的基于改进TCN修正累积误差的可调节负荷功率多步预测方法，其特征在于，

步骤2包括：

步骤2.1，采用变分模态分解方法将可调节负荷功率序列P分解为主成分序列u_m和噪声序列E；约束条件为所有模态之和与可调节负荷功率序列P相等，约束变分满足如下关系式：

式中，

u_m＝{u_i}，u_i为采用变分模态分解得到的第i个模态分量，i＝1，2，…，m，

w_m＝{ω_i}，ω_i为第i个模态分量u_i的中心频率，i＝1，2，…，m，

m为模态分量的总数，

j为复频域中的虚部，

为二范数的平方表达式，

δ(t)为时刻t的冲激函数，

为对时刻t的一阶偏导，

u_m(t)为时刻t的主成分序列；

步骤2.2，引入拉格朗日乘子和二次罚函数将约束变分转换为非约束变分，满足如下关系式：

式中，

λ(t)为时刻t的拉格朗日乘子，

α为二次罚函数，

P(t)为时刻t的可调节负荷功率历史数据；

步骤2.3，基于非约束变分，利用交替方向乘子法迭代算法结合Parseval定理、Plancherel定理和傅里叶等距变换，对各模态分量、各模态分量的中心频率、拉格朗日乘子进行寻优迭代；交替寻优迭代n+1次后得到主成分序列u_m，满足如下关系式：

式中，

为第n+1次迭代后的模态分量的傅里叶变换，其中，w与时域t对应，

为第n次迭代后的模态分量的傅里叶变换，其中，i≠m，

为t时刻第i个模态分量u_i(t)的傅里叶变换，

为可调节负荷功率历史数据P(t)的傅里叶变换，

为第n+1次迭代后的拉格朗日乘子λⁿ⁺¹(t)的傅里叶变换，

为第n次迭代后的拉格朗日乘子λⁿ(t)的傅里叶变换，

为拉格朗日乘子λ(t)的傅里叶变换，

τ为噪声容忍度；

步骤2.4，利用主成分序列um和可调节负荷功率历史数据P(t)，得到噪声序列E＝{e₁，e₂，e₃，...，e_T}，满足如下关系式：

式中，t＝1，2，…，T，T为噪声分量的总数，即噪声序列的长度。