[发明专利]基于VMD-PSO-LSSVM的短期电力负荷预测模型建立方法

说明书

本发明公开了一种基于VMD‑PSO‑LSSVM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，包括下述步骤：首先获取造纸企业总有效负荷数据；利用VMD分解算法对预处理后的数据序列进行分解；利用滞后自相关选择模型的输入变量；利用PSO‑LSSVM对分解序列进行建模；利用训练样本对PSO‑LSSVM模型进行训练，建立预测模型，并进行造纸企业用电负荷预测，并对预测效果进行分析。本发明方法建立的基于VMD‑PSO‑LSSVM的短期电力负荷预测模型，具有收敛快，预测结果无滞后的特点。

技术领域

本发明涉及造纸企业智能用电技术领域，具体涉及一种基于VMD-PSO-LSSVM的造纸企业短期电力负荷预测模型建立方法。

背景技术

造纸过程消耗了大量电耗，约占单位产品能耗的15％～20％。预测未来的电力负荷可以帮助造纸过程优化用电结构，确定合理的生产调度假计划，从而提高能源效率，降低生产成本。因此，建立短期电力负荷预测模型是造纸企业未来发展的趋势。

造纸企业的电力负荷受到很多不同因素的影响，如政策、经济、外部环境以及生产过程中的许多随机因素(如各种用电设备的干扰)。因此，用电负荷与实际生产过程之间存在着复杂的非线性关系。没有人工智能方法的帮助，很难对造纸企业建立短期电力负荷预测模型。目前，电力负荷预测已经取得了一定的成果。短期电力负荷预测模型已经被应用于很多不同的行业，如预测采矿和冶金行业钢铁工业的用电负荷；风电、光伏发电等新能源行业的电力生产预测；住宅建筑和办公建筑用电量的预测；电网的电力负荷预测等。与前面行业的用电特征进行对比，造纸过程的用电和前面所有行业有所不同，它存在着启停毫无规律的间歇性用电设备，其用电负荷无周期性，存在着大量由于断纸、设备故障等的非计划停机造成的负荷波动较大的时间段。因此如何对既存在着平稳用电时间段也存在着负荷波动较大时间的造纸过程用电进行准确预测成为难题。

发明内容

本发明的目的是为了解决现有技术中的上述缺陷，提供一种基于VMD-PSO-LSSVM的短期电力负荷预测模型建立方法，利用VMD分解算法把造纸企业用电负荷进行分解，利用滞后自相关法选择预测模型的输入，最后利用PSO对LSSVM的权值和阈值进行优化，建立电力负荷预测模型，预测并对预测效果进行评价，从而能够精确预测造纸企业用电负荷。

本发明的目的可以通过采取如下技术方案达到：

一种基于VMD-PSO-LSSVM的短期电力负荷预测模型建立方法，该负荷预测模型应用于造纸企业的短期电力负荷预测，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VMD分解算法，对预处理后的负荷序列进行序列分解；

S3、利用滞后自相关法对每个分解序列选取输入变量；

S4、随机初始化LSSVM的参数(核参数和惩罚参数)，利用重构序列的训练集对LSSVM预测模型进行训练，在PSO算法对LSSVM的参数进行寻优的过程中，利用均方根误差作为PSO的适应度值，在迭代的过程中，选择最小的适应度值，并把选择出来最优的适应度值对应的LSSVM参数赋予LSSVM，然后把训练好的LSSVM模型对重构序列测试集进行预测，把所有分解序列的预测结果进行叠加，得到短期电力负荷预测模型。

进一步地，所述的步骤S2中通过搜寻约束分变模型最优解来实现信号自适应分解，将原始负荷序列分解成一系列具有稀疏特性的模态分量，即将原始序列分解为不同频率的序列，具体包括：

S201、对于每个模态u(t)，通过希尔伯特变换计算与之相关的解析信号，计算公式如下：

式中，H(t)为模态解析信号，δ(t)是狄拉克分布，t是采样时间点，j为虚数，*表示卷积；