一种基于EEMD和改进DLinear的负荷预测方法及系统技术方案

本发明专利技术公开了一种基于EEMD和改进DLinear的负荷预测方法及系统，本发明专利技术提出了一种集合预测模型，该模型结合了单层线性模型(DLinear)，集合经验模式分解(EEMD)和北方苍鹰优化算法(NGO)。首先，实际序列使用EEMD分解成几个不同频率的子序列分量，以减轻序列的非光滑性对预测精度的影响。接下来，为了减轻模型中手动调整参数的主观性问题，使用NGO来优化DLinear的超参数值。在为每个子序列构建NGO‑DLinear模型之后，通过聚合来自每个子序列的预测值来获得最终的预测结果。仿真结果表明，该模型具有较高的预测精度和稳定性。

【技术实现步骤摘要】

本专利技术涉及电力系统负荷预测，特别涉及一种基于eemd和改进dlinear的负荷预测方法及系统。

技术介绍

1、近年来，随着国民经济的高速健康发展，不同结构的产业对用电量的需求不断增加，导致各区域电网的用电高峰时段增长，相应电网的结构也日益复杂，对供电能力有了更高的要求。在用电高峰期各种工商业用电、居民用电对电网峰时供电能力的要求越来越高，而谷时供电能力富余，从而导致电力系统出现峰谷差距大，调峰困难等情况。随着各种智能电器正逐渐渗透进配电网，使居民负荷不再受限于照明、取暖等生活基本需求。因此大大增加了配网端负荷特性的复杂程度，影响用户用电习惯的外在因素也更加复杂。

2、基于以上分析，负荷预测的精度反映了电力系统现代化管理调度的水平。不仅节省资源，有利于电网安全稳定运行，还方便分析整体用户的用电习惯与用电特性。

3、因此，研究一种能提高负荷预测效率以及提升负荷预测精准的方法及系统具有重要意义。

技术实现思路

1、本专利技术的目的在于提供一种基于eemd和改进dlinear的负荷预测方法本文档来自技高网...

【技术保护点】

1.一种基于EEMD和改进DLinear的负荷预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于EEMD和改进DLinear的负荷预测方法，其特征在于，在步骤S2中，具体包括以下步骤：

3.根据权利要求2所述的基于EEMD和改进DLinear的负荷预测方法，其特征在于，在步骤S21中，具体包括以下步骤：

4.根据权利要求2所述的基于EEMD和改进DLinear的负荷预测方法，其特征在于，在步骤S21中，所述IMF序列要求需满足每个IMF的极大值点和极小值点的数目必须相等或相差不超过1并且每个IMF的平均值应该接近零。

5.根...

【技术特征摘要】

1.一种基于eemd和改进dlinear的负荷预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于eemd和改进dlinear的负荷预测方法，其特征在于，在步骤s2中，具体包括以下步骤：

3.根据权利要求2所述的基于eemd和改进dlinear的负荷预测方法，其特征在于，在步骤s21中，具体包括以下步骤：

4.根据权利要求2所述的基于eemd和改进dlinear的负荷预测方法，其特征在于，在步骤s21中，所述imf序列要求需满足每个imf的极大值点和极小值点的数目必须相等或相差不超过1并且每个imf的平均值应该接近零。

5.根据权利要求2所述的基于eemd和改进dlinear的负荷预测方法，其特征在于，还包括以下步骤：

6.根据权...

【专利技术属性】
技术研发人员：武小梅，陈俊彬，徐亮，张怀佳，李书仪，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：