[发明专利]基于VMD-PSO-LSSVM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。

主权项

1.一种基于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，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。