[发明专利]一种短期负荷的预测方法、装置、电子设备和存储介质

权利要求书

1.一种短期负荷的预测方法，其特征在于，包括以下步骤：

获取待预测时间点前的历史负荷数据；

对所述历史负荷数据中的缺失值进行填充预处理；

对预处理后的所述历史负荷数据进行变分模态分解，得到多个模态分量；

计算多个所述模态分量的排列熵，并根据所述排列熵的大小，将多个所述模态分量划分为三个模态分量组，将每个所述模态分量组中的模态分量叠加得到三个重构分量；

将每个所述重构分量归一化处理后输入至经SSA优化后的N-beats网络进行预测，得到每个所述重构分量的子预测值，其中，所述N-beats网络包括两个依次连接的第一堆栈和第二堆栈；

将每个所述子预测值叠加得到所述待预测时间点的预测值。

2.根据权利要求1所述的一种短期负荷的预测方法，其特征在于，获取待预测时间点前的历史负荷数据，包括：

获取待预测时间点所在区域的前一年的历史负荷数据，采样周期为每一小时采样一次。

3.根据权利要求1所述的一种基于VMD、排列熵与N-beats网络的短期负荷预测方法，其特征在于，对预处理后的所述历史负荷数据进行变分模态分解，得到多个模态分量，包括：

通过中心频率观测法，确定分解得到的模态分量的数量；

对每个所述模态分量进行希尔伯特变换，并且得到解析信号的单边频谱

将频谱变换到频谱乘以一个指数信号估计的中心频率的基带上：

通过解调信号H¹高斯平滑估计带宽，对其约束变分问题可表达为：

解决式(1)的约束性变分问题，引入二次惩罚因子α和Lagrange乘子λ(t)，将其变为非约束性的变分问题进行求解，公式如下：

采用交替方向乘子法更新u_n,ω_n的值，公式如下：

其中，δ(t)为单位脉冲信号，n为信号分解后得到的第n个模态分量，N为模态分解的总个数，k为迭代次数；wⁿ为模态的中心频率，为偏导运算符号，α为惩罚因子，j为虚数的单位，为卷积算子，λ为Lagrange乘子，f(ω)为f(t)的傅里叶变换，u_n(ω)为u_n(t)的傅里叶变换，λ为ω_n(t)的傅里叶变换。

4.根据权利要求1所述的一种短期负荷的预测方法，其特征在于，排列熵的计算公式如下：

其中，H(m)表示排列熵，m表示嵌入维度，K为m维相空间映射不同的符号序列的个数，P_j表示符号序列的概率。

5.根据权利要求1所述的一种短期负荷的预测方法，其特征在于：

将每个所述重构分量归一化处理后输入至经SSA优化后的N-beats网络进行预测，得到每个所述重构分量的子预测值，其中，N-beats网络包括两个依次连接的第一堆栈和第二堆栈，包括：

将归一化处理后的所述重构分量输入至所述第一堆栈，得到第一叠加预测值和堆栈剩余；

将所述堆栈剩余输入至所述第二堆栈，得到第二叠加预测值；

将所述第一叠加预测值和所述第二叠加预测值叠加得到所述子预测值。

6.根据权利要求1所述的一种短期负荷的预测方法，其特征在于：

第一堆栈包括三个依次连接的基础块，所述将归一化处理后的所述重构分量输入至所述第一堆栈，得到第一叠加预测值和堆栈剩余，包括以下步骤；

将归一化处理后的所述重构分量输入至所述基础块，分别得到backcast输出和forecast输出；

每个所述基础块的backcast输出和当前所述基础块的输入相减，得到结果作为下一个基础块的输入直至作为所述第一堆栈的输出，得到堆栈剩余，每个所述基础块的forecast输出直接相加作为所述第一堆栈的输出，得到第一叠加预测值；

第二堆栈包括三个依次连接的基础块，将所述堆栈剩余输入至所述第二堆栈，得到第二叠加预测值，包括：

将所述堆栈剩余输入至所述基础块，每个所述基础块的forecast输出直接相加作为所述第二堆栈的输出，得到第二叠加预测值。