[发明专利]燃气日负荷预测方法、装置及设备

权利要求书

1.一种燃气日负荷预测方法，其特征在于，包括：

获取燃气日负荷历史特征数据；

对所述日负荷历史特征数据中的异常值和噪声值进行预处理，并对得到的历史特征数据进行标准化处理；

采用VMD方法对燃气日负荷数据进行变分模态分解处理，获取多个特征互异的IMF分量；

根据所述燃气日负荷历史特征数据中的非时序特征数据的相关性，将所述IMF分量进行特征筛选；

根据筛选的特征，分别对每个IMF分量建立GRU-Attention网络模型，进行模型训练和预测；

将各IMF分量的预测结果进行反归一化处理，重构叠加各分量预测值，得到日负荷预测结果。

2.根据权利要求1所述的方法，其特征在于，所述燃气日负荷历史特征数据包括时序特征数据和非时序特征数据；其中，时序特征数据为日负荷总量数据；非时序特征数据为负荷日的最高温度、最低温度、日期类型、相似日。

3.根据权利要求2所述的方法，其特征在于，对所述日负荷历史特征数据中的异常值和噪声值进行预处理，并对得到的历史特征数据进行标准化处理，包括：

将日负荷历史特征数据中值小于0的异常值和负荷量突变的噪声值，作为异常值剔除；

对日负荷历史特征数据中的时序特征数据使用Min-Max归一化方法进行处理；

对非时序特征数据中的最高温度和最低温度数据进行正态标准化；

对非时序特征数据中的日期类型数据进行独热编码；

对非时序特征数据中的相似日数据使用Min-Max归一化方法处理。

4.根据权利要求3所述的方法，其特征在于，所述采用VMD方法对燃气日负荷数据进行变分模态分解为：对使用Min-Max归一化处理后的时序特征数据采用VMD方法进行分解；

所述VMD方法迭代搜寻变分模型最优解，将输入信号f分解为K个模态函数{u_k(t)}，k＝1,2,3,…K；将所述模态函数作为IMF分量；

其中，采用VMD方法进行分解的步骤为：

1)初始化各模态{u_k}、中心频率{ω_k}和算子λ；

2)根据下式更新参数u_k和ω_k；

其中，f(t)为原始信号，u_k是f(t)的第k个分量，和分别为f(ω)、u_i(ω)、λ(ω)和的傅里叶变换，n为迭代次数；

3)根据下式更新参数λ；

4)对于给定的判别精度e＞0，若即停止迭代，否则返回步骤2)。

5.根据权利要求1所述的方法，其特征在于，所述将所述IMF分量进行特征筛选，包括：

根据获取的每个IMF分量，筛选出皮尔逊相关系数大于阈值的非时序特征数据；

其中，所述皮尔逊相关系数为：

其中，p_X,Y为皮尔逊相关系数；X为历史数据中的非时序特征数据，包括温度、日期类型、相似日数据；Y为IMF分量数据；E(.)表示期望。