基于信号分解的集成短期电力负荷预测方法、系统、设备及介质技术方案

本发明专利技术公开了一种基于信号分解的集成短期电力负荷预测方法、系统、设备及介质，包括：将WPD

【技术实现步骤摘要】
基于信号分解的集成短期电力负荷预测方法、系统、设备及介质


[0001]本专利技术属于电力负荷预测领域，涉及一种基于信号分解的集成短期电力负荷预测方法、系统、设备及介质。

技术介绍

[0002]目前短期电力负荷预测的实现手段主要有基于统计分析的时间序列分析方法和基于数据驱动的机器学习方法，其中机器学习方法是研究的热点。广泛使用的机器学习模型主要有反向传播神经网络、支持向量机、随机森林、梯度提升决策树等。
[0003]目前大多数模型都是在支持向量机或神经网络的基础上结合其他算法进行组合预测得到预测功率，如经验模态分解或小波分解与支持向量机的组合对电力负荷进行预测,但预测效果不是很好，由于各模型预测时均存在一定的缺点，因此预测的准确型较差。

技术实现思路

[0004]本专利技术的目的在于克服上述现有技术的缺点，提供了一种基于信号分解的集成短期电力负荷预测方法、系统、设备及介质，该方法、系统、设备及介质对电力负荷预测的准确性较高。
[0005]为达到上述目的，本专利技术采用如下技术方案：
[0006]本专利技术一方面，本专利技术提供了一种基于信号分解的集成短期电力负荷预测方法，包括：
[0007]获取当前时段的气象数据及历史电力负荷；
[0008]将所述当前时段的气象数据及历史电力负荷输入到训练后的WPD
‑
CatBoost组合模型中、训练后的CEEMDAN
‑
CatBoost组合模型中、训练后的VMD
‑
CatBoost组合模型中、训练后的LMD
‑
CatBoost组合模型中及训练后的ITD
‑
CatBoost组合模型中，得到WPD
‑
CatBoost组合模型的预测结果、CEEMDAN
‑
CatBoost组合模型的预测结果、VMD
‑
CatBoost组合模型的预测结果、LMD
‑
CatBoost组合模型的预测结果、ITD
‑
CatBoost组合模型的预测结果；
[0009]将WPD
‑
CatBoost组合模型的预测结果、CEEMDAN
‑
CatBoost组合模型的预测结果、VMD
‑
CatBoost组合模型的预测结果、LMD
‑
CatBoost组合模型的预测结果、ITD
‑
CatBoost组合模型的预测结果输入训练后的SVM模型中，预测得到待预测时刻的集成电力负荷预测结果。
[0010]所述将所述当前时段的气象数据及历史电力负荷输入到训练后的WPD
‑
CatBoost组合模型中、训练后的CEEMDAN
‑
CatBoost组合模型中、训练后的VMD
‑
CatBoost组合模型中、训练后的LMD
‑
CatBoost组合模型中及训练后的ITD
‑
CatBoost组合模型中之前还包括：
[0011]获取历史气象数据及电力负荷数据，对所述所有数据进行预处理；
[0012]分别使用小波包分解、自适应噪声完备集合经验模态分解、变分模态分解、局部均值分解以及固有时间尺度分解对所述预处理后的历史电力负荷数据进行分解，得到WPD分
解电力负荷序列、CEEMDAN分解电力负荷序列、VMD分解电力负荷序列、LMD分解电力负荷序列及ITD分解电力负荷序列；
[0013]利用分解电力负荷序列及其气象数据训练对应的CatBoost模型，得到训练后的WPD
‑
CatBoost组合模型、训练后的CEEMDAN
‑
CatBoost组合模型、训练后的VMD
‑
CatBoost组合模型、训练后的LMD
‑
CatBoost组合模型、训练后的ITD
‑
CatBoost组合模型，再将WPD
‑
CatBoost组合模型、CEEMDAN
‑
CatBoost组合模型、VMD
‑
CatBoost组合模型、LMD
‑
CatBoost组合模型、ITD
‑
CatBoost组合模型的预测结果作为输入训练SVM模型，得到训练后的SVM模型。
[0014]使用训练后的SVM模型对WPD
‑
CatBoost组合模型的预测结果、CEEMDAN
‑
CatBoost组合模型的预测结果、VMD
‑
CatBoost组合模型的预测结果、LMD
‑
CatBoost组合模型的预测结果、ITD
‑
CatBoost组合模型的预测结果进行非线性权重分配。
[0015]本专利技术二方面，本专利技术提供了一种基于信号分解的集成短期电力负荷预测系统，包括：
[0016]第一获取模块，用于获取当前时段的气象数据及历史电力负荷；
[0017]预测模块，用于将所述当前时段的气象数据及历史电力负荷输入到训练后的WPD
‑
CatBoost组合模型中、训练后的CEEMDAN
‑
CatBoost组合模型中、训练后的VMD
‑
CatBoost组合模型中、训练后的LMD
‑
CatBoost组合模型中及训练后的ITD
‑
CatBoost组合模型中，得到WPD
‑
CatBoost组合模型的预测结果、CEEMDAN
‑
CatBoost组合模型的预测结果、VMD
‑
CatBoost组合模型的预测结果、LMD
‑
CatBoost组合模型的预测结果、ITD
‑
CatBoost组合模型的预测结果；
[0018]集成模块，用于将WPD
‑
CatBoost组合模型的预测结果、CEEMDAN
‑
CatBoost组合模型的预测结果、VMD
‑
CatBoost组合模型的预测结果、LMD
‑
CatBoost组合模型的预测结果、ITD
‑
CatBoost组合模型的预测结果输入训练后的SVM模型中，预测得到待预测时刻的集成电力负荷预测结果。
[0019]还包括：
[0020]第二获取模块，用于获取历史气象数据及电力负荷数据，并对所述所有数据进行预处理；
[0021]分解模块，用于分别使用小波包分解、自适应噪声完备集合经验模态分解、变分模态分解、局部均值分解以及固有时间尺度分解对所述预处理后的历史电力负荷数据进行分解，得到WPD分解电力负荷序列、CEEMDAN分解电力负荷序列、VMD分解电力负荷序列、LMD分解电力负荷序列及ITD分解电力负荷序列；
[0022]训练模块本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于信号分解的集成短期电力负荷预测方法，其特征在于，包括：获取当前时段的气象数据及历史电力负荷；将所述当前时段的气象数据及历史电力负荷输入到训练后的WPD
‑
CatBoost组合模型中、训练后的CEEMDAN
‑
CatBoost组合模型中、训练后的VMD
‑
CatBoost组合模型中、训练后的LMD
‑
CatBoost组合模型中及训练后的ITD
‑
CatBoost组合模型中，得到WPD
‑
CatBoost组合模型的预测结果、CEEMDAN
‑
CatBoost组合模型的预测结果、VMD
‑
CatBoost组合模型的预测结果、LMD
‑
CatBoost组合模型的预测结果、ITD
‑
CatBoost组合模型的预测结果；将WPD
‑
CatBoost组合模型的预测结果、CEEMDAN
‑
CatBoost组合模型的预测结果、VMD
‑
CatBoost组合模型的预测结果、LMD
‑
CatBoost组合模型的预测结果、ITD
‑
CatBoost组合模型的预测结果输入训练后的SVM模型中，预测得到待预测时刻的集成电力负荷预测结果。2.根据权利要求1所述的基于信号分解的集成短期电力负荷预测方法，其特征在于，所述将所述当前时段的气象数据及历史电力负荷输入到训练后的WPD
‑
CatBoost组合模型中、训练后的CEEMDAN
‑
CatBoost组合模型中、训练后的VMD
‑
CatBoost组合模型中、训练后的LMD
‑
CatBoost组合模型中及训练后的ITD
‑
CatBoost组合模型中之前还包括：获取历史气象数据及电力负荷数据，对所述所有数据进行预处理；分别使用小波包分解、自适应噪声完备集合经验模态分解、变分模态分解、局部均值分解以及固有时间尺度分解对所述预处理后的历史电力负荷数据进行分解，得到WPD分解电力负荷序列、CEEMDAN分解电力负荷序列、VMD分解电力负荷序列、LMD分解电力负荷序列及ITD分解电力负荷序列；利用分解电力负荷序列及其气象数据训练对应的CatBoost模型，得到训练后的WPD
‑
CatBoost组合模型、训练后的CEEMDAN
‑
CatBoost组合模型、训练后的VMD
‑
CatBoost组合模型、训练后的LMD
‑
CatBoost组合模型、训练后的ITD
‑
CatBoost组合模型，再将WPD
‑
CatBoost组合模型、CEEMDA N
‑
CatBoost组合模型、VMD
‑
CatBoost组合模型、LMD
‑
CatBoost组合模型、ITD
‑
CatBoost组合模型的预测结果作为输入训练SVM模型，得到训练后的SVM模型。3.根据权利要求2所述的基于信号分解的集成短期电力负荷预测方法，其特征在于，使用训练后的SVM模型对WPD
‑
CatBoost组合模型的预测结果、CEEMDAN
‑
CatBoost组合模型的预测结果、VMD
‑
CatBoost组合模型的预测结果、LMD
‑
CatBoost组合模型的预测结果、ITD
‑
CatBoost组合模型的预测结果进行非线性权重分配。4.一种基于信号分解的集成短期电力负荷预测系统，其特征在于，包括：第一获取模...

【专利技术属性】
技术研发人员：杨帆，王建兴，李嘉，褚子平，王雨，方涛，康健，张犇，
申请(专利权)人：国网陕西省电力有限公司西安供电公司，
类型：发明
国别省市：