一种基于POA-VMD-SSA-KELM模型的用电需求预测方法

    公开(公告)号:CN117009752A

    公开(公告)日:2023-11-07

    申请号:CN202310727767.3

    申请日:2023-06-20

    Inventor: 杨易凡

    Abstract: 本发明公开了一种基于POA‑VMD‑SSA‑KELM模型的用电需求预测方法,涉及用电需求预测技术领域,包括以下步骤:S1:数据处理:对采集到的用电数据进行预处理,进行去噪、平滑、归一化相关处理;S2:POA‑VMD分解:将预处理后的用电数据通过POA‑VMD分解,将原始信号分解成多个子信号,提取出信号的时空特征;该基于POA‑VMD‑SSA‑KELM模型的用电需求预测方法,通过POA‑VMD模型可以解决传统VMD模型中的缺点,从而具有更好的去噪性能和更准确的模态分解结果,SSA‑KELM模型将SSA和KELM相结合,可以更好地处理非线性和非平稳数据,提高预测精度,将POA‑VMD模型和SSA‑KELM模型组合起来,可以更准确地预测用电需求,可以更好地处理非线性和非平稳数据,提高了预测精度。

    一种基于ICEEMD-ICA-BiLSTM的风速预测方法

    公开(公告)号:CN117076851A

    公开(公告)日:2023-11-17

    申请号:CN202310895185.6

    申请日:2023-07-20

    Inventor: 杨易凡

    Abstract: 本发明公开了一种基于ICEEMD‑ICA‑BiLSTM的风速预测方法,涉及风电技术领域,S1:基于ICEEMD对原始数据进行分解;S2:基于ICEEMD‑ICA实现风速数据的降噪:利用ICEEMD模型将信号进行分解处理,在此基础上得到一个本征模态函数集,通过多维源信号,利用模糊熵阈值判据对多维源信号中的无关信号进行判断和去除;S3:基于BiLSTM模型对降噪后的数据进行预测。该基于ICEEMD‑ICA‑BiLSTM的风速预测方法,基于BiLSTM模型也能够保留时间序列特征,使得本方法具有较为精确的预测效果,实现了风速数据的降噪,有效降低了数据信息中的不确定性,使得风速数据更为容易预测,避免了预测中保留的无效信息。经过降噪处理后的数据,在预测过程中实现了良好的精度,误差较小,可以满足风电场中的风速预测需求。

Patent Agency Ranking