[发明专利]一种基于经验模态分解的微电网短期负荷预测方法

权利要求书

1.一种基于经验模态分解的微电网短期负荷预测方法，其特征在于，包括以下步骤：

S1、采集原始负荷数据并进行预处理，获得总负荷曲线，其中，预处理具体是去除原始负荷数据的奇异值；

S2、采用经验模态分解的方法，将总负荷曲线分解为趋势负荷曲线和波动负荷曲线；

S3、根据趋势负荷曲线，通过构建基于振幅压缩方法的灰色预测模型，得到趋势负荷预测值；

S4、根据波动负荷曲线，通过建立考虑负荷相似日关联性的MIC历史矩阵，同时建立包括气象因素和地理区位因素的UTCI历史库，得到波动负荷预测值；

S5、对趋势负荷预测值和波动负荷预测值进行重构，获取短期负荷预测值，根据短期负荷预测值，控制微电网中分布式电源的工作状态。

2.根据权利要求1所述的一种基于经验模态分解的微电网短期负荷预测方法，其特征在于，所述步骤S2具体包括以下步骤：

S21、获取总负荷曲线的局部极值点；

S22、采用三次样条插值法拟合出光滑的上包络线与下包络线，并求得上下包络线的算术平均值；

S23、根据总负荷曲线与上下包络线的算术均值，得到待检测数据序列；

S24、对待检测数据序列进行IMF条件判别，若待检测数据序列通过判别，则将该待检测数据序列称为IMF分量，并执行步骤S25，否则将该待检测数据序列作为总负荷曲线，返回步骤S21，直至出现满足判别条件的IMF分量；

S25、根据总负荷曲线与IMF分量，得到剩余分量；

S26、重复步骤S21至步骤S25，直至得到i个IMF分量与i个剩余分量，其中，i≥4；

S27、将i个剩余分量按照获取顺序进行排列，得到剩余序列，若剩余序列为单调数列，则经验模态分解过程结束，执行步骤S28，否则返回步骤S26；

S28、根据得到的i个IMF分量以及第i个剩余分量，获取趋势负荷曲线和波动负荷曲线。

3.根据权利要求2所述的一种基于经验模态分解的微电网短期负荷预测方法，其特征在于，所述上下包络线的算术平均值为：

其中，t为自变量，mean(t)为上下包络线的算术平均值，e_up(t)为上包络线，e_low(t)为下包络线；

所述待检测数据序列为：

h(t)＝x(t)-mean(t)

其中，h(t)为待检测数据序列，x(t)为总负荷曲线；

所述剩余分量为：

r_i(t)＝x(t)-IMF_i(t)

其中，r_i(t)为第i个剩余分量，IMF_i(t)为第i个IMF分量；

所述趋势负荷曲线为：

其中，tre(t)为经验模态分解得到的趋势负荷曲线；

所述波动负荷曲线为：

flu(t)＝x(t)-tre(t)

其中，flu(t)为经验模态分解得到的波动负荷曲线。

4.根据权利要求1所述的一种基于经验模态分解的微电网短期负荷预测方法，其特征在于，所述步骤S3中基于振幅压缩方法的灰色预测模型具体为：

Z⁽⁰⁾＝(z⁽⁰⁾(1),z⁽⁰⁾(2),…z⁽⁰⁾(n))

Z⁽⁰⁾W＝(z⁽⁰⁾(1)w,z⁽⁰⁾(2)w,…z⁽⁰⁾(n)w)

其中，Z⁽⁰⁾为随机振荡序列，序列Z⁽⁰⁾W为随机振荡序列Z⁽⁰⁾的平滑序列，W为Z⁽⁰⁾的一阶平滑性算子，z⁽⁰⁾(k)w为平滑序列Z⁽⁰⁾W的元素，k为常数，w为W中的元素，T为振幅。