[发明专利]基于EMD-VMD-PSO-BPNN的短期电力负荷预测模型建立方法

权利要求书

1.一种基于EMD-VMD-PSO-BPNN的短期电力负荷预测模型建立方法，该短期电力负荷预测模型应用于造纸企业的电力负荷预测，其特征在于，所述的建立方法包括以下步骤：

S1、获取造纸企业数据的用电数据；

S2、利用EMD-VMD分解算法，对预处理后的负荷序列进行序列分解；

S3、利用近似熵法对分解序列进行序列重构；

S4、利用滞后自相关法对每个重构序列选取输入变量；

S5、设置BPNN网络的隐藏层神经元数，以及BPNN网络的权值和阈值，把分解序列的训练集输入初始的BPNN网络中，把拟合结果和实际结果之间残差作为适应度值，利用PSO算法更新权值和阈值的大小，寻找最优的拟合结果，把最优拟合结果对应BPNN网络进行输出，利用训练好的BPNN网络对重构序列进行预测，把所有重构序列的预测结果进行叠加，得到短期电力负荷预测模型。

2.根据权利要求所述的基于EMD-VMD-PSO-BPNN的短期电力负荷预测模型建立方法，其特征在于，所述的步骤S2包括：

S201、采用EMD算法对用电数据进行拆分，将性能不好的信号分解为一组性能较好的本征模函数，提取最后一个分解序列，并将其他分解序列进行叠加；

S202、采用VMD算法对步骤S201中叠加序列进行拆分，通过搜寻约束分变模型最优解来实现信号自适应分解，将负荷序列分解成一系列具有稀疏特性的模态分量，提取分解出来的第二和第三个序列；

S203、将步骤S202中的VMD拆分出来的第一个序列输入EMD分解模型中；

S204、重复步骤S201～步骤S203直到达到设定循环次数；

S205、按分解序列的顺序输出提取的序列与最后一次VMD算法分解出来的第一个序列；

S206、提取原始序列与所有提出序列叠加后的残差作为最后一个输出的分解序列。

3.根据权利要求2所述的基于EMD-VMD-PSO-BPNN的短期电力负荷预测模型建立方法，其特征在于，所述的步骤S201过程如下：

S2011、找出原数据序列X(t)的所有极大值点和极小值点，将其用三次样条函数分别拟合为原序列的上、下包络线，得出上、下包络线的均值为m₁，将原数据序列X(t)减去m₁得到一个减去低频的新序列h，即h＝X(t)－m₁，重复上述过程，直到h为一个平稳序列，得到第一个本征模函数分量c₁，它表示信号数据序列最高频率的成分；

S2012、用原数据序列X(t)减去第一个本征模函数分量c₁，得到一个去掉高频成分的新数据序列r₁，对r₁再进行上述分解，得到第二个本征模函数分量c₂；如此重复步骤S2011～步骤S2012直到最后一个数据序列r_n不可被分解，此时，r_n代表数据序列X(t)的趋势或均值。