基于VMD-PCF-ARIMA的短期负荷预测方法与流程

本发明属于电力负荷预测，涉及一种短期负荷预测方法，尤其是一种基于vmd-pcf-arima的短期负荷预测方法。

背景技术：

1、随着智能配电网的建设，现代电力系统对负荷预测技术要求的不断提高，对短期电力负荷进行快速精准的预测越发重要，具有较高准确性的负荷曲线能够为电力调度提供有力依据，使整个电力系统以更加经济且可靠的方式运行，并为系统的后续建设情况带来一定的指导，因此快速准确的对电力负荷进行预测具有不可或缺的意义。

2、目前，基于时间序列的传统预测法在负荷预测中应用广泛，如多项式曲线拟合（polynomial curve fitting, pcf）和时序差分自回归滑动平均模型(autoregressiveintegrated moving average model, arima)，该类方法具有模型易建立、预测速度快的优点，但该类方法对数据平稳性要求高，在对波动性、随机性较大的短期负荷进行预测时效果不佳，其中pcf方法适合对具有确定性趋势的负荷曲线进行拟合，不适合随机波动序列，arima方法则仅在对去除确定性趋势后的数据进行预测时具有较高的精度。

3、考虑到上述两种方法都有局限性，因此，本发明提出一种基于vmd-pcf-arima的短期负荷预测方法，实现短期电力负荷的快速准确预测。

4、经检索，未发现与本发明相同或相似的已公开的专利文献。

技术实现思路

1、本发明的目的在于克服现有技术的不足，提出一种基于vmd-pcf-arima的短期负荷预测方法，提高负荷预测效率和精度。

2、本发明解决其现实问题是采取以下技术方案实现的：

3、一种基于vmd-pcf-arima的短期负荷预测方法，包括以下步骤：

4、步骤1、采集待预测区域的历史电力负荷时序曲线；

5、步骤2、采用vmd算法对步骤1所采集的待测区域的历史电力负荷时序曲线进行模态分解，获得线性的趋势分量和非线性的波动分量；

6、步骤3、基于步骤2获得的线性的趋势分量，采用pcf法计算线性的趋势分量的预测时间序列；

7、步骤4、基于步骤2获得的波动分量，采用arima方法进行平稳序列预测，计算非线性的波动分量的预测时间序列；

8、步骤5、将步骤3和步骤4得到的线性的趋势分量的预测时间序列和非线性的波动分量的预测时间序列叠加得到电力负荷的预测值。

9、而且，所述步骤1的具体方法为：

10、设置采集频率为每小时一次，每日采集一条待测区域的24 点历史电力负荷时序曲线，将所采集的待测区域的历史电力负荷时序曲线记为l(t)。

11、而且，所述步骤2的具体方法为：

12、设置vmd分解的阶数k为2，将步骤1所采集的待测区域的历史电力负荷时序曲线l(t)分解成线性的趋势分量imf1和非线性的波动分量imf2。

13、而且，所述步骤3的具体步骤包括：

14、（1）采用pcf法对线性的趋势分量imf1进行拟合，使用最小二乘法拟合得到最贴合imf1的多项式函数p，记为:

15、p=a0+a1t+a2t2+……+antn

16、其中，an为n次项的常数，t为时间；

17、（2）将待测区域要预测的时间代入最贴合imf1的多项式函数p，得到线性的趋势分量的预测时间序列p1(t)。

18、而且，所述步骤4的具体步骤包括：

19、（1）取arima (p,d,q)模型的差分阶数d=1，非线性的波动分量imf2一阶差分后的时间序列记为imf2’；

20、（2）对于imf2’序列，依据aic准则法，确定最佳的阶数p、q后，得到arima (p,d,q)模型；

21、其中，p、d、q分别为自回归阶数、滑动平均阶数和差分阶数；

22、（3）利用建立的arima (p,d,q)模型，对未来时刻进行预测，得到非线性的波动分量的预测时间序列p2(t)。

23、而且，所述步骤5的具体计算公式为：

24、电力负荷的预测值p(t)=p1(t)+p2(t)。

25、本发明的优点和有益效果：

26、1、本发明提出一种基于vmd-pcf-arima的短期负荷预测方法，能够解决短期电力负荷波动大，不确定性较高的问题，通过引入vmd模态分解技术，将原始负荷数据分解为趋势分量和波动分量，降低电力负荷原始数据的复杂度，解决了现有时间序列算法在对波动性、随机性较大的短期负荷进行预测时精度不足的问题，提高后续负荷预测效率。

27、2、本发明利用pcf和arima各自的优点分别对趋势分量和波动分量进行预测，不仅减少了一定的工作量，简化了arima的建模步骤，还可以有效提高预测精度，克服了单一模型预测精度低的问题，能够满足新发展阶段电力系统短期预测的需求。本发明解决了采用单一时间序列预测算法在短期负荷预测时精度较低的问题，通过多种预测方法组合，充分发挥各预测方法的优点，提高负荷预测精度。

技术特征：

1.一种基于vmd-pcf-arima的短期负荷预测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于vmd-pcf-arima的短期负荷预测方法，其特征在于：所述步骤1的具体方法为：

3.根据权利要求2所述的一种基于vmd-pcf-arima的短期负荷预测方法，其特征在于：所述步骤2的具体方法为：

4.根据权利要求3所述的一种基于vmd-pcf-arima的短期负荷预测方法，其特征在于：所述步骤3的具体步骤包括：

5.根据权利要求4所述的一种基于vmd-pcf-arima的短期负荷预测方法，其特征在于：所述步骤4的具体步骤包括：

6.根据权利要求5所述的一种基于vmd-pcf-arima的短期负荷预测方法，其特征在于：所述步骤5的具体计算公式为：

技术总结
本发明涉及一种基于VMD‑PCF‑ARIMA的短期负荷预测方法，包括以下步骤：步骤1、采集待预测区域的历史电力负荷时序曲线；步骤2、采用VMD算法对所采集的待测区域的历史电力负荷时序曲线进行模态分解，获得线性的趋势分量和非线性的波动分量；步骤3、采用PCF法计算线性的趋势分量的预测时间序列；步骤4、采用ARIMA方法进行平稳序列预测，计算非线性的波动分量的预测时间序列；步骤5、将步骤3和步骤4得到的线性的趋势分量的预测时间序列和非线性的波动分量的预测时间序列叠加得到电力负荷的预测值。本发明能够实现短期电力负荷的快速准确预测。

技术研发人员：巩晋通,马瑞,薛巨邵,孙昊,孙元泽,李晨,胡心远,苏明艾,马晨阳
受保护的技术使用者：国网天津市电力公司城南供电分公司
技术研发日：
技术公布日：2024/1/13