【技术实现步骤摘要】
一种基于IVMD
‑
SSA
‑
LSSVM的电力负荷预测方法
[0001]本专利技术涉及电力负荷预测的
，具体涉及一种基于VMD
‑
SSA
‑
LSSVM的电力负荷预测模型建立方法。
技术介绍
[0002]电力负荷预测是电力系统规划的重要组成部分，也是电力调度部门运行和规划的重要依据，准确的短期负荷预测可以帮助电力部门合理安排检修计划、运行方式、日开停机、发电计划等，从电力公司角度，不仅可以更好的管理电网系统，确保供需平衡，辅助管理部门进行生产与检修规划以及发电机组的调配，从而提高电网的稳定性，提高经济效益还可以减少一次能源的浪费。
[0003]组合预测方法将传统基于模型的方法与人工智能方法有机组合，分别吸收单一方法的优点达到提高电力负荷预测精度的目的。组合预测方法根据不同预测方法对预测结果的影响权重不同将多种方法进行综合，主要分为加权平均组合预测法与拟合度最佳组合预测法两类。组合预测法可以吸收各个预测模型的优点，有效提高预测精度。
专...
【技术保护点】
【技术特征摘要】
1.一种基于IVMD
‑
SSA
‑
LSSVM组合电力负荷预测方法其特征在于：将IVMD分解算法应用在电力负荷数据上辅助完成电力负荷预测任务，避免了传统VMD算法存在需预先确定模式数量K的问题，且K值需由预测模型最终在训练集上的表现程度判断，并且传统VMD算法还存在其他不能保证最优的参数；本发明提出的麻雀搜索算法SSA，有较好的收敛精度以及跳出局部最优的能力，解决了LSSVM的学习参数选择困难的问题，本发明提出的分散熵重组降低了工作量减少了运算时间，总体模型的精度有所提升。2.根据权利要求1的改进的VMD算法其特征在于：步骤1首先确定惩罚因子α，设定模态K的取值范围，K的取值范围设定为[2,20],初始值为2，对原始信号进行变分模态分解，再通过计算确定每一次分解所得本征模态分量(IMF)的相对熵，获得相对熵最小值时所对应的K的最优解；步骤2根据得到的最优解的K值，确定惩罚因子α的最优解...
【专利技术属性】
技术研发人员：易灵芝，朱江，刘江永，刘波，李云帆，王仕通，
申请(专利权)人：湘潭大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。