基于Informer-SCINet的电负荷预测方法技术

本发明专利技术公开了基于Informer

【技术实现步骤摘要】
基于Informer
‑
SCINet的电负荷预测方法


[0001]本专利技术涉及电力信息
，具体为基于Informer
‑
SCINet的电负荷预测方法。

技术介绍

[0002]随着新能源汽车等用电设备的数量不断增长，导致电网的随机性、不确定性、不稳定性进一步提高，因此，迫切需要一种稳定性好、预测精度高的电力负荷预测模型。
[0003]国内外研究人员对电力负荷预测的研究已久，电力负荷预测方法主要分为时间序列分析、机器学习和深度学习三类。部分研究人员采用EMD分解、VMD分解、EEMADN和CEEMDAN分解对历史数据进行分解，在一定程度上缓解了分解过程中残余噪声和伪模态的问题，但该问题依然存在。采用单一的Informer模型对目标量进行预测，相较于传统模型精度有提升，但该模型在对波峰、波谷的拟合程度不高。采用XGBoost
‑
LightGBM组合预测模型，该模型较单一XGBoost和LightGBM精度有提升，但该模型存在对数据发掘不充分、重要信息遗漏的问题。采用LSTM或GRU本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于Informer
‑
SCINet的电负荷预测方法，其特征在于，包括以下步骤：S1.对历史负荷数据采用ICEEMDAN分解进行处理，获得若干个IMF分量和RES分量；S2.将获得的IMF分量和RES分量分别输入到经过Bayes优化的Informer
‑
SCINet组合预测模型进行预测，得到Informer
‑
SCINet组合预测模型中单一模型各自的预测值；S3.采用BP神经网络对Informer
‑
SCINet组合预测模型中单一模型预测值的权值分配进行寻优，确定单一模型的权值，并计算得到各个分量新的预测值；S4.对S3中各个分量预测值叠加重构得到最终的预测值，最后进行误差对比分析。2.根据权利要求1所述的基于Informer
‑
SCINet的电负荷预测方法，其特征在于，所述S1步骤包括以下子步骤：S11.在历史数据x中添加高斯白噪声，得到局部平均值x
(i)
与第一个残差r1，其中，β表示信噪比；E表示EMD分解后的IMF分量；ω表示高斯白噪声；M(
·
)表示计算局部均值；S12.采用历史数据x和第一个残差r1求得IMF1，同时求取第二个残差r2，S13.可得出IMF2，同时推导出IMF
k
，3.根据权利要求1所述的基于Informer
‑
SCINet的电负荷预测方法，其特征在于，所述S2步骤中包括以下子步骤：S21.输入IMF分量或RES分量以及超参数组合及随机初...

【专利技术属性】
技术研发人员：蒲维，杨毅强，吴浩，宋弘，付江涛，张渊博，
申请(专利权)人：四川轻化工大学，
类型：发明
国别省市：