公开(公告)号：CN110490369A

公开(公告)日：2019-11-22

申请号：CN201910678862.2

申请日：2019-07-25

Applicant: 国网安徽省电力有限公司 ,  国网安徽省电力有限公司电力科学研究院 ,  安徽大学

Inventor： 马金辉 ,  李智 ,  赵晓春 ,  李顺 ,  丁津津 ,  张倩 ,  马愿

IPC: G06Q10/04 ,  G06Q50/06 ,  G06K9/62 ,  G06F17/14 ,  G06F17/11

Abstract: 一种基于EWT和LSSVM模型的短期电力负荷预测方法，可解决现有方法计算效率低、计算成本大的技术问题。包括以下步骤：S100：利用EWT分解原始电力负荷序列，获得不同频率下的IMF分量；S200：使用LSSVM建立各个IMF分量序列的负荷预测模型；S300：将各个负荷预测模型的预测结果相加，得到总的预测结果。本发明通过经验小波变换，既可以解决EMD存在的模态混叠问题，同时经过其分解得到更少的分量，降低计算规模。该方法是一种建立自适应小波的新方法，其通过提取出具有紧凑的支撑傅立叶谱的AM-FM分量，使用EWT分解不同模态相当于对傅立叶频谱进行分段并应用对应于每个检测到的支撑的一些滤波，提高预测精度。

公开(公告)号：CN110222887A

公开(公告)日：2019-09-10

申请号：CN201910454601.2

申请日：2019-05-27

Applicant: 国网安徽省电力有限公司 ,  国网安徽省电力有限公司电力科学研究院 ,  安徽大学

Inventor： 马金辉 ,  李智 ,  赵晓春 ,  李顺 ,  丁津津 ,  张倩 ,  马愿 ,  高博 ,  郑国强 ,  徐斌 ,  谢毓广 ,  陈凡 ,  赵恒阳

IPC: G06Q10/04 ,  G06Q50/06

Abstract: 本发明公开了基于VMD和DNN的预测方法及在短期负荷预测的应用，属于电力系统短期负荷预测技术领域。包括步骤1：采集负荷数据；步骤2：将采集数据进行归一化处理；步骤3：采用VMD方法对归一化后的原始负荷序列进行分解；步骤4：对步骤3得到的K个分量进行深度神经网络（DNN）训练；步骤5：将分解后的测试样本带入DNN并叠加得到最终的预测结果。本发明对具有波动性和随机性的数据预测准确，能够有效减少数据的计算量，缩短了计算时间，而且预测结果准确，提升负荷预测的准确性对电力系统的经济调度、稳定运行具有重要意义。

公开(公告)号：CN109934418A

公开(公告)日：2019-06-25

申请号：CN201910243384.2

申请日：2019-03-28

Applicant: 安徽大学

Inventor： 张倩 ,  丁津津 ,  马金辉 ,  马愿 ,  谢毓广 ,  李顺 ,  李智 ,  赵晓春 ,  叶海峰 ,  黄少雄 ,  王璨

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q50/06

Abstract: 本发明针对现有的短期负荷预测方法都存在预测方法较为单一，预测精度不高的问题，提供一种基于频域分解及人工智能算法的短期负荷预测方法。该方法，包括：用频域分解算法对原始负荷数据的负荷时间序列进行分解，获得日周期分量、周周期分量、低频分量和高频分量；采用神经网络算法对日周期和周周期进行预测；采用随机森林算法对低频分量进行预测；对高频分量进行二次分解，对分解后的低频部分采用神经网络算法进行预测。本发明所提的基于频域分解的短期负荷预测模型，预测结果与Elman神经网络、随机森林预测结果相比具有更高的预测精度。