【技术实现步骤摘要】
一种基于长短期记忆神经网络的燃气短期负荷预测方法
[0001]本专利技术属于燃气预测
,具体涉及一种燃气短期负荷预测的方法。
技术介绍
[0002]随着低碳概念的提出,碳排放问题更加引人关注和重视,天然气的消耗比例也在不断增加,但目前我国城市燃气管网仍存在供气不平衡的难题,城市燃气负荷预测技术相比于发达国家来说,还有明显的差距,随着近年来“煤改气”政策的实施及城市管网大规模建设,全国各地均出现燃气供应紧张问题。因此,实现城市燃气短期负荷预测对解决天然气供给具有重要意义。从最新的燃气负荷预测文章来看,将已有预测模型同参数优化算法、数据预处理算法等合理结合,是目前最为流行的燃气负荷预测方法,能够有效提高负荷预测的精确度。LSTM网络是RNN网络的特殊形式,它能解决RNN网络梯度消失的问题。ZheYang开发了一种框架,提供了高效模型求解器,并识别了不确定负荷需求预测对地面观测系统的影响,充分展示和讨论了预测不确定性传播以及时间相关性对地面观测的影响。Canjun Li研究的重点是开发和分析一个实时更新的分布式能源系统的操作策略,提出并讨论了利用支持向量回归对分布式能源系统进行滚动负荷预测的方法[7]。Manish Uppal提出一种利用热指数偏置的短期负荷预测策略,该策略将天气的多个参数与社会经济增长、事件、日历变量等因素收敛。Weibiao Qiao开发了小波变换、SAE和LSTM组合模型,结果表明,SAE
‑
LSTM组合模型在预测精度上优于其他人工智能模型,而小波变换在预测精度上优于其他预处理 ...
【技术保护点】
【技术特征摘要】
1.一种基于长短期记忆神经网络的燃气短期负荷预测方法,计算过程如下:对于任意的非平稳信号X(t),局部均值分解(LMD)的计算过程如下:(1)为了得到信号的连续局部极值到加权平均的距离,需要计算两个连续局部极值n
i
,n
i+1
的平均值m
i
,如式1示:m
i
=(n
i
+n
i+1
)/2
ꢀꢀꢀꢀꢀꢀꢀ
(1)另外,给出了两个连续极值的包络估计值a
i
的计算方法,如式2所示:(2)为了获得一个纯粹的频率调制信号,可以得到一个正的瞬时频率,首先,采用移动平均法平滑包络估计得到局部平均值函数m
11(t)
;然后,将m
11(t)
与原始信号x(t)分离得到残差信号h
11(t)
,如式3所示:h
11
(t)=x(t)
‑
m
11
(t)
ꢀꢀꢀꢀꢀꢀꢀ
(3)另外,采用移动平均法平滑包络估计得到包络函数a
11(t)
;(3)对h
11(t)
借调得到调频信号s
11
(t),如式4所示:判断s
11
(t)是否满足|s
11
(t)|≤1;若不满足,则将s
11
(t)作为一个新的原始信号重复上述步骤,迭代n次,直到s
1q
(t)是纯调频信号结束,具体计算方法如式5、式6所示:其中,当获得包络函数满足a
1q
(t)=1的信号时,迭代结束;(4)对应的包络线a1(t)如式7所示,第一个分量PF1(t)通过式8计算得到:a1(t)=a
11
(t)
×
a
12
(t)
×
a
13
(t)
…×
a
1q
(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)PF1(t)=s
1q
(t)
×
a1(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)(5)新的原始信号μ1(t)可以通过将PF1(t)从x(t)分开来获得,如式9所示:μ1(t)=x(t)
‑
PF1(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9)将μ1(t)作为新的原始信号重复上述步骤,得到相应的PF2(t)和μ2(t);按照此步骤,迭代n次,直到得到的μ
k
(t)是一个单调函数,结束循环,μ
k
(t)是残差R;(6)所有PFs和残差之和等于原始信号X(t),如式10所示:
通过LMD算法处理得到的负荷数据,将信号分解为若干个乘积函数(PF)之和,将所有PF分量的瞬时幅值和瞬时频率进行组合,就可以得到原始信号的完整时频分布。2.利用小波阈值去噪(WTD)处理PF1‑
PF
(j)
,原理如式11至式14所示:s
n
=f
n
+σ
×
e
n
,n=0,1,
…
,N
‑1ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(11)(11)(11)WTD算法的功能是删除负载数据中由政治、重大事件或设备故障引起的异常值;本文采用折中的硬-软阈值,而不是软阈值或硬阈值,后者会使处理后的信号分别失去某些特征和缺乏平滑度,折中系数a的值介于0和1之间,为了在特定情况下获得高精度,需要通过测试选择适当的a值,在本文中,测试后合适的a为0.5。3.通过主成分相关分析(PCCA)处理影响因素,该算法...
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。