基于进化型变分模态分解的能源发电量预测方法技术

本发明专利技术公开了基于进化型变分模态分解的能源发电量预测方法，旨在提高能源发电量预测的准确性和效率。该方法通过将能源发电量时间序列分解为高频、中频和低频三个模态，低频模态采用最小二乘法进行趋势平滑，中频模态通过差分滤波器去除趋势成分以增强周期波动的捕捉能力，高频模态使用树突学习模型进行稳定预测。结合多种群优化的物质状态搜索算法对模态权重进行自适应调整，并通过加权求和方法融合各模态的预测结果。此方法有效应对在能源发电量预测中周期性和趋势性特征的捕捉问题，从而优化了电力系统管理和资源分配效率。

【技术实现步骤摘要】

本专利技术涉及能源管理和优化领域，特别是基于进化型变分模态分解的能源发电量预测方法。

技术介绍

1、能源发电量预测是电力系统管理和优化的关键环节，尤其是在智能电网的发展和可再生能源的大规模应用下。该预测的准确度直接关系到电力系统的稳定运行、资源的有效利用以及可再生能源的高效集成。然而，发电量预测的准确性受到天气条件、设备故障和需求波动等多种不确定因素的影响，增加了预测的复杂度和不确定性。因此，准确预测能源发电量面临着多重挑战。

2、过去几十年中，电力预测技术经历了从传统统计方法到复杂机器学习算法的转变。早期的预测模型主要基于统计回归分析，如自回归模型(ar)和移动平均模型(ma)，这些模型在数据序列较为稳定且无强烈周期性波动时表现良好。然而，随着电力市场的开放和可再生能源比重的增加，电力系统的负荷和发电量呈现出更加复杂的非线性特征和显著的时间变动性。

3、为了捕捉这些复杂的动态关系，更先进的技术如神经网络、支持向量机(svm)和集成学习被逐步引入到发电量预测中。尤其是在可再生能源发电，如光伏和风电场中，预测的复杂度和挑战尤为突出。由本文档来自技高网...

【技术保护点】

1.基于进化型变分模态分解的能源发电量预测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于进化型变分模态分解的能源发电量预测方法，其特征在于：所述步骤S1中变分问题，其构造包括：首先使用希尔伯特变换计算原始信号的解析信号，通过频域变换分析其频谱；然后估计每个模态函数的中心频率，并限制模态频谱的带宽；最后通过频域带宽计算来优化频谱分布。

3.根据权利要求1所述的基于进化型变分模态分解的能源发电量预测方法，其特征在于：所述步骤S2中DLM为树突学习模型，由突触层、树突层、膜层、体细胞层和轴突层组成；其中，突触层使用Sigmoid函数处理输入信号，树突层使...

【技术特征摘要】

1.基于进化型变分模态分解的能源发电量预测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于进化型变分模态分解的能源发电量预测方法，其特征在于：所述步骤s1中变分问题，其构造包括：首先使用希尔伯特变换计算原始信号的解析信号，通过频域变换分析其频谱；然后估计每个模态函数的中心频率，并限制模态频谱的带宽；最后通过频域带宽计算来优化频谱分布。

3.根据权利要求1所述的基于进化型变分模态分解的能源发电量预测方法，其特征在于：所述步骤s2中dlm为树突学习模型，由突触层、树突层、膜层、体细胞层和轴突层组成；其中，突触层使用sigmoid函数处理输入信号，树突层使用加法运算对突触层的输出进行求和，膜层使用乘法运算对每个树突层的结果进行非线性组合，体细胞层通过标准分数进行归一...

【专利技术属性】
技术研发人员：赵世伟，贾东宝，董蓉蓉，严志虎，立凯，仲兆满，
申请(专利权)人：江苏海洋大学，
类型：发明
国别省市：