CN115423140B 一种电力系统短期负荷预测方法 （南京工程学院）

本发明公开了一种电力系统短期负荷预测低频本征模态函数分量和高频本征模态函数分向基核函数的LSSVM预测模型，分别对低频本征模态函数分量和高频本征模态函数分量进行预优化的LSSVM预测模型以预测负荷数据，提高负2S2、通过天鹰优化器算法优化变分模态分解算模态函数分量分为低频本征模态函数分量和高频本征模于线性核函数的LSSVM预测模型对低频本征模态函数分量进行预测，得到低频本征模态函S4、通过烟花算法优化基于径向基核函数的LSSVM预测模型的惩罚系数和核函数宽度因子，通过优化后的基于径向基核函数的LSSVM预测模型对高频本征模态函数分量进行预检查新生成的火花是否越限，对超出边界的火花进行映射处理，如2.根据权利要求1所述的一种电力系统短期负荷预3计算更新位置后的种群适应度值，比较当前最佳个体和42r＝r1+0.00565xD1x0.1_rand3+((UB1_LB1)xrand4+LB1)x0.134G1＝2xrand7_15络、深度信念网络(DeepBeliefNetwork，DBN)和循环神经网络(RecurrentNeural[0004]发明目的：针对现有技术中根据经验方法设定VMD分解中的K和α参数带来的负荷优化后的变分模态分解算法将负荷数据分解为不同中心频率的本征模态函数分量，其中，本征模态函数分量分为低频本征模态函数分量和高频本征模的基于线性核函数的LSSVM预测模型对低频本征模态函数分量进行预测，得到低频本征模[0010]S4、通过烟花算法优化基于径向基核函数的LSSVM预测模型的惩罚系数和核函数宽度因子，通过优化后的基于径向基核函数的LSSVM预测模型对高频本征模态函数分量进6次数小于或等于2/3个总迭代次数，那么随机生成一个[0，1]之间的数，如果这个数小于[0018]计算更新位置后的种群适应度值，比较当前最佳个体和为70.1[0050]优选的，步骤S3中通过烟花算法优化基于线性核函数的LSSVM预测模型的惩罚系8[0066]1、本发明采用AO算法优化VMD算法以分解负荷数据，得到VMD算法中最佳K和α组[0076]步骤S2：使用天鹰优化器(AO)算法优化变分模态分解(VMD)算法，通过优化后的VMD算法将负荷数据分解为不同中心频率的本征模态函数[0078]VMD算法将一个序列f(n)分解成K个具有特定中心频率的本征模态函数分量uk，k(n)为约束条件，再通过拉格朗日(Lagrange)变换，将约束性问题转化为非约束性问题，9K}n为0.1[0118]AO算法优化输出分解模态数K和二次惩罚因子α的最优解，VMD算法利用上述分解优化输出的分解模态数K和二次惩罚因子α的最优解的VMD算法)对图4中的负荷数据进行[0120]步骤S3、对于分解得到的低频IMF分量，采用烟花算法优化的基于线性核函数的ii[0135]由于低频IMF分量变化波动比较小，本发明采用简单、便于操作的线性核函数[0137]因此对于基于线性核函数的LSSVM预测模型，只需要选择惩罚系数γ作为烟花算用烟花算法优化的基于径向基核函数的LSSVM预测模型进行预测，得到高频IMF分量预测于径向基核函数的LSSVM预测模型，具体步骤同步骤S3中烟花算法优化基于线性核函数的测试集，输入为预测日前三天负荷，最终预测结果如图5所示，平均绝对误差百分数为[0162]本发明所述方法除了可以用作短期负荷预测外，还