首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于LSTM-ELM的非侵入式电能负荷预测方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:国网江苏省电力有限公司扬州供电分公司;江苏电力信息技术有限公司

摘要:本发明公开了一种基于LSTM‑ELM的非侵入式电能负荷预测方法,包括以下步骤:1采集非侵入式电能表电能负荷时间序列信息,对负荷信息进行异常点识别修正,并进行归一化处理;2平稳化处理,分解得到包含不同时间尺度的局部特征信号的本征模函数IMF分量和残差分量;3建立长短期记忆网络LSTM,获取准确的高频分量序列;4建立极限学习机ELM网络,获取准确的低频分量序列;5建立基于LSTM‑ELM的非侵入式电能表电能负荷预测模型,实现电能负荷准确预测。本发明对非侵入式电能表电能负荷变化趋势做出判断,对局部变化细节做出精准预测,具有更好的预测准确度和性能,能解决非侵入式电能表电能负荷随机性强、负荷预测准确度不足等问题。

主权项:1.一种基于LSTM-ELM的非侵入式电能负荷预测方法,其特征在于,包括以下步骤:1)采集非侵入式电能表电能负荷时间序列信息,对负荷信息进行纵向和横向的异常点识别修正,并进行归一化处理;2)将非侵入式电能表电能负荷时间序列进行平稳化处理,分解得到包含不同时间尺度的局部特征信号的本征模函数IMF分量和残差分量;3)建立长短期记忆网络,获取准确的高频分量序列;4)建立极限学习机网络,获取准确的低频分量序列;5)建立基于LSTM-ELM的非侵入式电能表电能负荷预测模型,实现电能负荷准确预测;步骤1)中包括以下步骤:首先,对负荷信息进行纵向和横向的异常点识别修正,计算负荷信息每一时刻的均值Ex和方差Dx,如式(1)所示: (1)式中,Et为第t天负荷值,xd,t为第d天t时刻负荷,那么负荷值的偏离率根据拉依达准则设定偏离率限值为0.03,若ρd,t小于0.03为正常值,大于0.03为异常值,对数据进行修正,如式(2): (2)对处理后采样负荷序列数据进行归一化处理得到原始序列;步骤2)中包括以下步骤:计算原始序列xt的所有局部极大值和极小值,对极值进行插值拟合运算,得到两条光滑曲线,即为xt的上包络序列xmaxt和下包络序列xmint,计算上、下包络序列的均值m1t,如式(3)所示: 3将原始序列xt减去包络线均值m1t,去掉低频得到新序列: 4记,通过限定标准差SD作为筛分门限: 5若SD取值在0.2~0.3之间,是IMF分量,否则将视为原始序列,重新去掉低频信号得到新序列,判断新序列是否为IMF分量,直至迭代k次后得差值为第一个IMF分量,记为c1t,将c1t从原始序列xt分离得到剩余分量;将剩余分量作为新的序列,重复对其判断分离IMF分量,当预定误差大于cnt或者残差分量rnt为单调函数时停止分解,得到n组不同频率的样本模态分量{c1,c2,…,cn}和残差项rn。

全文数据:

权利要求:

百度查询: 国网江苏省电力有限公司扬州供电分公司 江苏电力信息技术有限公司 一种基于LSTM-ELM的非侵入式电能负荷预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。