[发明专利]基于改进Shapley值模型的短期负荷预测方法

权利要求书

1.一种基于改进Shapley值模型的短期负荷预测方法，其特征在于，所述短期负荷预测方法包括：

S1：通过经验模态分解对呈现不稳定特征的负荷数据进行分解，得到有限个本征模态函数；

S2：通过希尔伯特变换得到各个本征模态函数对应的时间-频率曲线；

S3：按各个时间-频率曲线交叠最少为原则将各个本征模态函数重构为随机、周期、趋势分量；

S4：针对随机、周期、趋势分量分别采用改进shapley值组合预测方法进行预测，得到随机、周期、趋势分量对应的预测分量；

S5：将随机、周期、趋势分量对应的预测分量进行叠加后得到最终预测分量。

2.根据权利要求1所述的基于改进Shapley值模型的短期负荷预测方法，其特征在于，步骤S1中，所述通过经验模态分解对呈现不稳定特征的负荷数据进行分解，得到有限个本征模态函数的过程包括以下步骤：

S11：设l＝1；

S12：采用三次样条函数对负荷数据进行插值，得到其上包络线e_max(t)以及下包络线e_min(t)，计算二者均值m_l(t)；

S13：通过负荷功率S(t)分解得到候选模态函数序列c_l(t)：

c_l(t)＝S(t)-m_l(t)

S14：判断c_l(t)是否满足由局部最大值点及最小值点分别拟合生成的上包络线、下包络线的均值等于零，如果不满足，则将c_l(t)视为新的S(t)，重复步骤S12至S13，直至满足条件得到模态函数序列c_l(t)；

S15：从负荷曲线S(t)中去除c_l(t)分量得到余项r(t)，计算公式如下：

r(t)＝S(t)-c_l(t)；

S16：将r(t)视为新的S(t)，l加1，重复步骤S12至S16，计算得到其他候选模态函数序列c_l(t)，直至r(t)无法再分离模态函数序列；

此时，各固有模态函数c_l(t)和余项r(t)满足以下公式：

其中，num是候选模态函数序列的总数。

3.根据权利要求1所述的基于改进Shapley值模型的短期负荷预测方法，其特征在于，步骤S2中，所述通过希尔伯特变换得到各个本征模态函数对应的时间-频率曲线的过程包括以下步骤：

S21：将本征模态函数c_l(t)与做卷积得到全通移相网络计算公式如下：

S22：以本征模态函数c_l(t)与全通移相网络共同构造解析信号z_l(t)，计算公式如下：

其中，a_l(t)是振幅函数，是相位函数；

S23：计算振幅函数a_l(t)，计算公式如下：

S24：计算瞬时频率f_l(t)，计算公式如下：

4.根据权利要求1所述的基于改进Shapley值模型的短期负荷预测方法，其特征在于，步骤S4中，所述针对随机、周期、趋势分量分别采用改进shapley值组合预测方法进行预测，得到随机、周期、趋势分量对应的预测分量的过程包括以下步骤：

S41：采用多种预测方法针对分量k进行预测，获取预测误差集合F_k；

S42：通过针对分量k的预测误差集合F_k得到其所有子集，即组合误差值E_k(*)；

S43：计算各个预测方法针对分量k的Shapley值E_ik；

S44：计算得到针对分量k的预测权值集合W_k；

S45：根据针对分量k的预测权值集合W_k，计算得到分量k的预测结果。