基于EMD‑GRA‑MPSO‑LSSVM模型的负荷预测方法技术

本发明专利技术属于短期电力负荷预测技术领域，尤其涉及一种基于EMD‑GRA‑MPSO‑LSSVM模型的负荷预测方法。该方法包括采集样本数据并对样本数据进行预处理，采用EMD‑GRA模型对原始负荷序列进行降噪处理，通过对原始负荷序列进行经典模态分解，通过计算各个IMF与原始序列的灰色关联度，并进行排序，剔除关联度最低的IMF；最后采用MPSO‑LSSVM模型对降噪处理后的IMF分别进行预测，并对预测的结果进行重构，得到最终的预测结果。本发明专利技术综合多种预测方法，通过对非平稳时间序列的分解与降噪，消除原始数据的混沌，使其更具有规律性，通过优化算法的改进，提高预测精度，同时该算法搜索效率高、收敛速度快，且全局搜索能力强，能有效避免陷入局部最优，具备更强大的泛化能力和鲁棒性。

Prediction method of EMD GRA MPSO load based on LSSVM model

The invention belongs to the technical field of electric power load forecasting, especially relates to a prediction method of EMD GRA MPSO load based on LSSVM model. The method includes collecting sample data and sample data pretreatment, using EMD GRA model for the original load sequence were denoised by the original load sequence by EMD, through gray correlation calculation of each IMF with the original sequence, and sorting, excluding the lowest correlation IMF; finally using MPSO LSSVM model for noise reduction processing after IMF were predicted, and the predicted results of the reconstruction, the forecasting results. Comprehensive forecasting method of the invention, the decomposition and reduction of non-stationary time series, chaos elimination of original data, and make it have more regularity, by improving the algorithm, improve the prediction accuracy, the algorithm has high search efficiency and fast convergence speed and global search capability, can effectively avoid the local optimum and have more powerful generalization ability and robustness.

【技术实现步骤摘要】
基于EMD-GRA-MPSO-LSSVM模型的负荷预测方法
本专利技术属于短期电力负荷预测
，尤其涉及一种基于EMD-GRA-MPSO-LSSVM模型的负荷预测方法。
技术介绍
随着国民经济的不断发展，电力负荷预测技术在电力工业领域中扮演着越来越重要的角色，负荷预测的精确度将直接影响电力系统的可靠性，进而影响国民经济的发展。电力负荷预测的主要工作是预测未来电力负荷的时间分布和空间分布，将预测结果作为电力系统规划的重要组成部分和电力系统经济运行的基础，短期负荷预测是指根据历史负荷、气象因素、节假日等因素，对未来24小时甚至几天内的负荷进行预测。然而短期负荷具有一定的随机性，并且预测精确度易受到噪声的影响，因此选择合适的预测算法和降噪方法，构建合理有效的预测模型，对于实现精确的短期负荷预测有着重大的意义。近年来，随着人工智能技术的发展，在负荷预测领域，人工智能预测技术逐渐取代了经典预测技术，实现了良好的预测效果。人工神经网络和支持向量机均是一种常用的人工智能预测技术，人工神经网络是理论化的人脑神经网络数学模型，具有大规模并行处理、分布式信息存储、良好的自组织自学习能力，并且具有很强本文档来自技高网...

【技术保护点】
一种基于EMD‑GRA‑MPSO‑LSSVM模型的负荷预测方法，其特征在于，包括以下步骤：步骤一：采集样本数据并对样本数据进行预处理，采集的样本数据包括历史负荷、当日最高温度、当日最低温度、当日平均温度、相对湿度、风力、日期类型，然后对气象因素进行归一化处理；步骤二：降噪处理；采用EMD‑GRA模型对原始负荷序列进行降噪处理，通过对原始负荷序列进行EMD分解，再利用GRA算法计算各个IMF与原始序列的灰色关联度，并将计算所得的灰色关联度进行排序，剔除关联度最低的IMF；步骤三：负荷预测；采用MPSO‑LSSVM模型对降噪处理后的IMF分别进行预测，并对预测的结果进行重构，得到最终的预测结果。

【技术特征摘要】
1.一种基于EMD-GRA-MPSO-LSSVM模型的负荷预测方法，其特征在于，包括以下步骤：步骤一：采集样本数据并对样本数据进行预处理，采集的样本数据包括历史负荷、当日最高温度、当日最低温度、当日平均温度、相对湿度、风力、日期类型，然后对气象因素进行归一化处理；步骤二：降噪处理；采用EMD-GRA模型对原始负荷序列进行降噪处理，通过对原始负荷序列进行EMD分解，再利用GRA算法计算各个IMF与原始序列的灰色关联度，并将计算所得的灰色关联度进行排序，剔除关联度最低的IMF；步骤三：负荷预测；采用MPSO-LSSVM模型对降噪处理后的IMF分别进行预测，并对预测的结果进行重构，得到最终的预测结果。2.根据权利要求1所述的一种基于EMD-GRA-MPSO-LSSVM模型的负荷预测方法，其特征在于，所述EMD-GRA模型是利用分解非平稳信号以获得一组性能优化的本征模函数，并剔除信号中的无用成分，具体包括以下步骤：步骤1：对原始时间序列X(t),X1(t),X2(t),...Xn-1(t),Xn(t)进行EMD分解，对应得到有限个IMF分量，分别标记为imf1(t),imf2(t),imf3(t),…,imfn(t)；步骤2：利用GRA算法计算每个IMF与原始序列之间的灰色关联度r1,r2,…,rn，并进行关联度排序，其中rk＝min{r1,r2,…,rn}，rk表示最低关联度；步骤3：剔除与原始序列关联度最低的IMF，对剔除噪声后的序列进行重构，得到降噪后的时间序列：式中，imfi(t)为原始时间序列经EMD分解后对应的第i个IMF分量，Xn(t)为原始时间序列，imfk(t)为最小灰色关联度对应的IMF分量。3.根据权利要求1所述的一种基于EMD-GRA-MPSO-LSSVM模型的负荷预测方法，其特征在于，所述MPSO-LSSVM模型的预测方...

【专利技术属性】
技术研发人员：牛东晓，戴舒羽，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：北京,11