基于GA-VMD-LSTM网络的负荷预测方法及系统技术方案

本发明专利技术公开了基于GA‑VMD‑LSTM网络的负荷预测方法与系统，包括：收集系统负荷数据，利用GA对VMD参数迭代寻优；将优化后的VMD分解为代表不同尺度的特征模态分量，同时分解出残差量代表负荷数据强非线性部分；通过皮尔逊相关系数分析算法对得到的特征量进行转化，将转化后的时间序列输入到LSTM中进行负荷预测；基于非参数概率密度估计将预测值区间化，得出最终预测区间结果。本发明专利技术综合考虑了负荷数据时序性和非线性特征，具有同时处理时间序列和非线性数据的能力，运行效率更高，受理范围更广。整个网络模型的预测拟合度大幅度上升，提高了能源的利用率，使得决策结果更加贴合用户需求。运用非参数概率密度估计，进一步提高了预测值的可信度。

【技术实现步骤摘要】

本专利技术涉及综合能源系统负荷预测研究的，具体为基于ga-vmd-lstm网络的负荷预测及系统。

技术介绍

1、随着信息技术的不断创新，以及清洁能源的大力发展，智慧综合能源系统正在一步步实现并运作起来。准确的用户侧能耗预测可以帮助决策者根据消费者的实际需求进行更好的决策，从而提高能源利用率。因此对智慧综合能源系统中的能耗预测方法进行研究具有重要意义。现今，已有多种不同的能源负荷预测方法被提出，但同时也存在不足之处。考虑数据时序性特征的方法充分利用了负荷数据的时间序列，但缺点是模型非线性拟合能力不足；考虑负荷数据非线性特征的方法利用神经网络进行冷热负荷预测的效率优于逻辑回归的结果，但这类方法不能很好地反应负荷数据的时序特征。

技术实现思路

1、鉴于上述存在的问题，提出了本专利技术。

2、因此，本专利技术解决的技术问题是：现有的综合能源系统负荷预测研究方法拟合能力不足，不能很好的反应负荷数据的时序特征的问题。

3、为解决上述技术问题，本专利技术提供如下技术方案：基于ga-vmd-lstm网本文档来自技高网...

【技术保护点】

1.基于GA-VMD-LSTM网络的负荷预测方法，其特征在于，包括：

2.如权利要求1所述的基于GA-VMD-LSTM网络的负荷预测方法，其特征在于：GA-VMD-LSTM网络包括，遗传算法GA、改进变分模态分解VMD与长短时记忆网络LSTM相结合的网络模型对综合能源系统负荷进行预测。

3.如权利要求2所述的基于GA-VMD-LSTM网络的负荷预测方法，其特征在于：所述迭代寻优包括，利用GA对VMD分解层数K与惩罚因子α迭代寻优，优化后的VMD算法将原始功率序列分解为多个不同的模态；

4.如权利要求3所述的基于GA-VMD-LSTM网络的负荷预测方法，...

【技术特征摘要】

1.基于ga-vmd-lstm网络的负荷预测方法，其特征在于，包括：

2.如权利要求1所述的基于ga-vmd-lstm网络的负荷预测方法，其特征在于：ga-vmd-lstm网络包括，遗传算法ga、改进变分模态分解vmd与长短时记忆网络lstm相结合的网络模型对综合能源系统负荷进行预测。

3.如权利要求2所述的基于ga-vmd-lstm网络的负荷预测方法，其特征在于：所述迭代寻优包括，利用ga对vmd分解层数k与惩罚因子α迭代寻优，优化后的vmd算法将原始功率序列分解为多个不同的模态；

4.如权利要求3所述的基于ga-vmd-lstm网络的负荷预测方法，其特征在于：所述vmd分解包括，对分解得到的每个模态函数做希尔伯特黄变换来计算其相关的解析信号及边际谱，并通过中心频率将模态函数uk(t)的频率变换到正确的基带中，

5.如权利要求4所述的基于ga-vmd-lstm网络的负荷预测方法，其特征在于：所述ga的vmd参数优化包括，利用ga...

【专利技术属性】
技术研发人员：孙乐平，郭小璇，陈卫东，吴宁，韩帅，卢健斌，郭敏，肖静，姚知洋，阮诗雅，龚文兰，吴晓锐，赵立夏，
申请(专利权)人：广西电网有限责任公司电力科学研究院，
类型：发明
国别省市：