一种电力日峰值负荷预测方法技术

本发明专利技术属于电力负荷预测技术领域，尤其涉及一种电力日峰值负荷预测方法，包括：采集包括历史日峰值负荷、日最高温度、日最低温度、日平均温度、日平均相对湿度、日最大风速、日期类型在内的样本数据；对日峰值负荷的原始序列进行自适应白噪声的完整聚合经验模态分解，将原始序列分解为有限个包含不同时间尺度的局部特征信号的本征模函数，且在每一次分解中都添加自适应的白噪声平滑脉冲干扰，得到多个IMF分量；通过引入种群动态进化算子以及非线性收敛因子，对灰狼优化算法进行改进，对支持向量机的正则化参数和径向基核函数参数进行优化，建立优化后的支持向量机预测模型；运用预测模型分别进行预测，得到最终的日峰值负荷预测结果。

【技术实现步骤摘要】
一种电力日峰值负荷预测方法
本专利技术属于电力负荷预测
，尤其涉及一种电力日峰值负荷预测方法。
技术介绍
现代社会的发展处处离不开电力的供应，电力行业对于社会经济建设以及人民生活水平的提高起着至关重要的作用。随着电力行业的迅速发展，电力系统对于电力负荷预测的精度要求越来越高。日峰值负荷预测作为电力负荷预测的重要一环，其预测的准确性对发电计划的制定、电网电力调度、电网运营以及电力系统供电可靠性都有着重大的影响。因此，构建合适的模型，实现对日峰值负荷的准确预测是一项具有重要意义的研究工作。负荷预测的核心问题是预测的方法和模型，随着科技的快速发展，负荷预测技术也在不断深化，目前，负荷预测技术已经逐渐从传统预测方法过渡到人工智能预测技术。传统的负荷预测方法，如：时间序列法、回归分析法、灰色预测法等，存在一定的不足，对波动性较大的复杂负荷序列预测准确性有待提高，而人工智能预测方法面对复杂的负荷序列则展现出了强大的优越性，实现了良好的预测效果。人工神经网络算法起源于20世纪40年代，是一门模拟人脑生物过程的人工智能技术。BP(BackPropagation)算法又称为误差反向传播算法，是人本文档来自技高网...

【技术保护点】
1.一种电力日峰值负荷预测方法，其特征在于，包括：步骤1：采集包括历史日峰值负荷、日最高温度、日最低温度、日平均温度、日平均相对湿度、日最大风速、日期类型在内的样本数据，然后对数据的气象因素进行归一化处理；步骤2：对日峰值负荷的原始序列进行自适应白噪声的完整聚合经验模态分解，将原始序列分解为有限个包含不同时间尺度的局部特征信号的本征模函数，且在每一次分解中都添加自适应的白噪声平滑脉冲干扰，得到多个IMF分量；步骤3：通过引入种群动态进化算子以及非线性收敛因子，对灰狼优化算法进行改进；步骤4：采用改进后的灰狼优化算法对支持向量机的正则化参数和径向基核函数参数进行优化，建立优化后的支持向量机预测模...

【技术特征摘要】
1.一种电力日峰值负荷预测方法，其特征在于，包括：步骤1：采集包括历史日峰值负荷、日最高温度、日最低温度、日平均温度、日平均相对湿度、日最大风速、日期类型在内的样本数据，然后对数据的气象因素进行归一化处理；步骤2：对日峰值负荷的原始序列进行自适应白噪声的完整聚合经验模态分解，将原始序列分解为有限个包含不同时间尺度的局部特征信号的本征模函数，且在每一次分解中都添加自适应的白噪声平滑脉冲干扰，得到多个IMF分量；步骤3：通过引入种群动态进化算子以及非线性收敛因子，对灰狼优化算法进行改进；步骤4：采用改进后的灰狼优化算法对支持向量机的正则化参数和径向基核函数参数进行优化，建立优化后的支持向量机预测模型；步骤5：在考虑气象因素和日期类型的基础上，对通过自适应白噪声的完整聚合经验模态分解得到的IMF分量运用优化后的支持向量机预测模型分别进行预测，并对预测的结果进行重构，得到最终的日峰值负荷预测结果。2.根据权利要求1所述方法，其特征在于，所述自适应白噪声的完整聚合经验模态分解的具体步骤如下：步骤201：在N次计算中，对信号X(t)+pinj(t)进行分解，其中，X(t)为原始序列，nj(t)为高斯白噪声，参数pi为第i次引入的高斯白噪声与序列信号的信噪比，则第一个IMF分量为：IMF1j(t)为第1次引入高斯白噪声后，经过EMD分解所得到的第j个IMF分量，第1个残余信号r1(t)为：步骤202：定义emdi()为对信号进行EMD分解后的第i个IMF分量，对序列r1(t)+p1emd1(nj(t))进行分解，得到第二个IMF分量为：第2个残余信号r2(t)为：步骤203：依次类推，第k个残余信号rk(t)为：第k+1个IMF分量为：emdk()为对信号进行EMD分解后的第k个IMF分量；步骤204：重复上述过程，直至残余信号满足迭代...

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