公开(公告)号：CN109886498A

公开(公告)日：2019-06-14

申请号：CN201910153816.0

申请日：2019-03-01

申请人： 北京邮电大学

发明人： 高欣 ,  李晓兵 ,  纪维佳 ,  井潇 ,  何杨

IPC分类号： G06Q10/04 ,  G06Q50/06 ,  G06K9/00 ,  H02J3/00

摘要： 本发明实例提供了一种基于特征选择的EMD-GRU短期电力负荷预测方法，包括：使用经验模态分解方法(EMD)将原始负荷序列分解成多个时序分量，并将所有的时序分量作为初始特征集合，由其构成预测模型的潜在输入变量；通过皮尔逊相关系数法对初始特征进行相关性分析，选出其中与原始负荷序列相关性较大的时序分量作为预测模型的输入特征；将被选择的时序分量结合原始负荷序列一起输入到门控循环单元网络(GRU)预测模型中，执行最终的负荷预测。根据本发明实施例提供的技术方案，可以提高短期电力负荷预测的准确率。

公开(公告)号：CN109886498B

公开(公告)日：2022-03-22

申请号：CN201910153816.0

申请日：2019-03-01

申请人： 北京邮电大学

发明人： 高欣 ,  李晓兵 ,  纪维佳 ,  井潇 ,  何杨

IPC分类号： G06Q10/04 ,  G06Q50/06 ,  G06K9/00 ,  H02J3/00

摘要： 本发明实例提供了一种基于特征选择的EMD‑GRU短期电力负荷预测方法，包括：使用经验模态分解方法(EMD)将原始负荷序列分解成多个时序分量，并将所有的时序分量作为初始特征集合，由其构成预测模型的潜在输入变量；通过皮尔逊相关系数法对初始特征进行相关性分析，选出其中与原始负荷序列相关性较大的时序分量作为预测模型的输入特征；将被选择的时序分量结合原始负荷序列一起输入到门控循环单元网络(GRU)预测模型中，执行最终的负荷预测。根据本发明实施例提供的技术方案，可以提高短期电力负荷预测的准确率。

公开(公告)号：CN108985523A

公开(公告)日：2018-12-11

申请号：CN201810875913.6

申请日：2018-08-03

申请人： 北京邮电大学

发明人： 高欣 ,  刘鑫 ,  李晓兵 ,  纪维佳 ,  梁跃

IPC分类号： G06Q10/04 ,  G06Q50/06 ,  H02J3/00

摘要： 本发明实施例提供了一种改进和声搜索优化的小波神经网络短期电力负荷预测方法，包括：对历史负荷样本数据进行预处理；采用递归特征消除方法对滞后历史负荷数据进行特征选择，确定小波神经网络的输入；通过线性递减规则将差分进化算法的两种更新策略引入到和声搜索算法的更新过程，并利用锦标赛选择策略选择出变异算子中的和声；构建小波神经网络，利用改进后的和声搜索算法选出小波神经网络的最优初始权重；利用小波神经网络进行短期电力负荷预测。根据本发明实施例提供的技术方案，可以提高短期电力负荷预测的准确率。