[发明专利]一种基于数据驱动的短期用电量预测方法

摘要

本发明公开了一种基于数据驱动的短期用电量预测方法，本发明将小波分解与重构、极限学习机和改进萤火虫算法相结合进行短期用电量预测。首先利用小波分解提取负荷的序列特性；然后通过改进萤火虫算法优化极限学习机法的参数；并基于极限学习机对重构后的细节序列和近似序列分别进行预测。该方法可以充分利用分解重构对信号特征的挖掘，从而减小预测误差；利用极限学习机仅通过一步计算即可解析求出学习网络的输出权值，与迭代算法相比，极大地提高了网络的泛化能力和学习速度；利用改进萤火虫算法优化参数能够避免陷入局部极值，提高了全局寻优能力，有利于选择合适的极限学习机参数，提高预测精度。

主权项

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。