[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

摘要

本发明公开了一种基于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，包括下述步骤：首先获取造纸企业数据质量合格的总有效负荷的数据；采用EMD‑VMD组合算法对总有效负荷进行序列分解；采用近似熵对分解的序列进行重构；利用滞后自相关方法选择模型输入；采用PSO‑BPNN对重构序列进行建模；采用训练样本对PSO‑BPNN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，最后对预测效果进行分析。本发明基于EMD‑VMD‑PSO‑BPNN算法建立短期电力负荷预测模型，具有模型收敛快，预测结果精度高、无滞后诸多特点。

主权项

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。