[发明专利]一种基于序列成分分解与神经网络的中期电量预测方法

摘要

本发明属于电力系统负荷预测领域，特别是涉及一种基于序列成分分解与神经网络的中期电量预测方法，包括：首先利用H‑P滤波方法和奇异谱分析方法对原始中期电量序列进行分解，得到长期稳定变化趋势序列和各周期成分序列；然后基于这些序列，构建BP神经网络模型并进行预测，得到各序列未来的中期预测值，最后讲这些所有预测值相加，得到最终未来的中期电量预测结果。该预测方法在应用于实际中期电量预测中具有较高的预测精度，同时在进行多步预测时有较好的平稳性。

主权项

1.一种基于序列成分分解与神经网络的中期电量预测方法，其特征在于，包括：步骤A、使用H‑P滤波方法对中期电量序列进行分解，得到中期电量序列中的长期稳定变化趋势序列和季节性周期波动序列；步骤B、使用奇异谱分析方法对季节性周期波动序列中的周期成分进行分解与提取；步骤C、对长期稳定变化趋势序列以及周期序列分别构建BP神经网络模型并进行预测；步骤D、将得到的预测值相加，得到最终未来一年的中期电量预测结果。