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：福州大学

摘要：本发明提出一种基于高性能的CIG混合模型的电力负荷区间预测方法，其结合自适应噪声完备集合经验模态分解‑排列熵CEEMDAN‑PE信号重构算法，非线性拟合能力较强的门控循环单元GRU以及优秀参数优化能力的改进灰狼算法IGWO的CIG混合模型进行短期电力负荷区间预测。首先，利用基于CEEMDAN‑PE对电力负荷信号进行分解与重构。其次，基于区间预设准则对重构后的主趋势信号进行区间预设值的处理。然后，对次要信号部分分别进行IGWO‑GRU负荷点预测，对主趋势信号构建两个IGWO‑GRU网络模型分别对主趋势信号区间上限与下限进行预测。最后，将次要信号的点预测结果与主趋势信号的区间预测结果加和，由此获得电力负荷区间预测结果。

主权项：1.一种基于高性能的CIG混合模型的电力负荷区间预测方法，其特征在于：首先，利用基于CEEMDAN-PE对电力负荷信号进行分解与重构；之后，基于区间预设准则对原信号进行区间预设；然后，利用IGWO-GRU网络对主趋势信号与次要信号分别进行区间预测与点预测；最后，将主次信号的区间预测与点预测结果进行加和获得电力负荷区间预测结果；所述利用基于CEEMDAN-PE对电力负荷信号进行分解与重构包括：对待分解的原始信号x进行CEEMDAN分解，对分解获得的IMF和RES分量进行排列熵分析，根据PE结构将具有相似复杂度的分量重构为一个分量；重构的分量表示为RCnn＝1,2,…,N；其中，RCN为主趋势信号，RCnn＝1,2,…,N-1为次要信号；所述基于区间预设准则对原信号进行区间预设所采用的准则如下式所示，分别对应节假日情况与非节假日情况： 其中Interval*up_RC、Interval*low_RC分别为主趋势信号的预设区间上限与下限，nor·与renor·分别表示归一化函数与反归一化函数，Tact为电力负荷真实值，γ、η∈[0,1]均为缩放系数，μ∈[0,12]为控制系数；所述利用IGWO-GRU网络对主趋势信号与次要信号分别进行区间预测与点预测具体为：将主趋势信号的预设区间上限与下限的相关特征数据分别输入至两组不同的GRU网络模型，由此对主趋势信号区间的上限与下限分别进行预测，并由IGWO参数寻优算法，依据训练结果的MAPE值对GRU网络参数进行整定；再采用IGWO-GRU模型对剩余的次要信号进行负荷点预测；所述IGWO参数寻优算法原理如下所示：采用对立学习算法增加初始化种群的多样性：假设随机初始化种群P’u×v其中，u表示种群个体数，v表示待寻优参数的维度，根据下式计算出初始种群P’的对立种群P”； 其中lbv表示第v个待寻优参数的下限，ubv表示第v个待寻优参数的上限；将初始种群与对立种群共2U个种群个体中，前U个适应度最优的种群个体作为最终的初始化种群，记为Pu×v；确定最终的初始化种群后，对种群中的每个个体进行位置更新；对领导狼，采用随机游走方法进行更新；其位置更新方式如下式所示：pet+1＝pet+armt·cdte＝α,β,δ 其中pet为第e只狼在第t次迭代时刻的位置，pet+1为第e只狼在第t+1次迭代时刻的位置，cdt为满足柯西分布的随机数，armt为控制因子；对于剩余的ω只狼，则根据下式进行更新：Auvt＝2at·rand1-atCuvt＝2·rand2 其中Auvt、Cuvt为系数向量，pαvt、pβvt、pδvt分别为第t次迭代时刻α、β、δ狼的第v维位置，rand1与rand2为[0,1]之间的随机数，at为收敛因子；由Logistic映射产生IGWO中的随机数rand，其如下式所示： 其中初始随机数控制参数υo∈[0,4]；最后采用贪心算法决定各灰狼个体位置更新结果；每次更新后的种群都要进行适应度的评估，由此选出新的领导狼，然后继续进行种群位置更新，以此往复直到参数寻优迭代停止。

全文数据：

权利要求：

百度查询： 福州大学 基于高性能的CIG混合模型的电力负荷区间预测方法