[发明专利]一种高压岸电谐波预测方法

说明书

本发明公开了一种高压岸电谐波预测方法，包括以下步骤：采集高压岸电系统的原始检测数据；通过集成经验模态分解法将原始检测数据逐级分解为有限个本征模函数；通过布谷鸟寻优算法寻找SVM算法的惩罚因子参数C和核函数σ²；建立集成经验模态分解法和布谷鸟优化的SVM模型；通过所述SVM模型获取高压岸电谐波预测数据。本发明通过对历史岸电谐波数据进行处理，并采用预测模型对处理后的历史岸电数据进行分析和预测，提高预测精度，具有较高的可行性和实用性。

技术领域

本发明属于电力系统数据预测领域，具体涉及一种高压岸电谐波预测方法。

背景技术

随着环境问题的逐渐恶化以及能源危机的不断加剧，环境问题尤其是城市空气污染问题已成为影响居民幸福感的重要指标。然而，对于港口城市，当船舶停靠港口时，由于船舶采用传统的辅机发电方式生产电力，产生的废气污染较为严重。

船用岸电技术作为近年来国内外港航界备受关注的一项新技术，是适应港口繁忙的营运要求、实现港口节能减排的重要技术，由于岸电谐波可能引发电压波动、频率偏差等电能质量下降的问题，给电力系统运行的安全性、稳定性和经济性带来了新的挑战，所以超短期岸电谐波监测数据的精准预测显得格外的重要。随着国家能减排政策的激励，港口岸电的应用越来越广泛，提高其谐波监测数据的预测精度在电力系统中的重要性也随之增加。同时，随着高压岸电系统大规模投入运行，在出现谐波后对大大降低了电网的电能质量，影响电网运行的稳定性。因此，提前预测岸电谐波检测数据做好调度的规划对电网稳定运行具有重要意义。

发明内容

本发明针对现有技术中的不足，提供一种高压岸电谐波预测方法，能够在已知某地区谐波检测数据的情况下，对该岸电系统进行谐波数据预测，提前做好调度准备，提高电网运行的稳定性。

为实现上述目的，本发明采用以下技术方案：

一种高压岸电谐波预测方法，包括以下步骤：

采集高压岸电系统的原始检测数据；

通过集成经验模态分解法将原始检测数据逐级分解为有限个本征模函数；

通过布谷鸟寻优算法寻找SVM算法的惩罚因子参数C和核函数σ²；

建立集成经验模态分解法和布谷鸟优化的SVM模型；

通过所述SVM模型获取高压岸电谐波预测数据。

为优化上述技术方案，采取的具体措施还包括：

进一步地，上述采集高压岸电系统的原始检测数据包括以下步骤：

选取一个地区的岸电系统中典型高压岸电系统建立岸电电力系统的数学模型，通过岸电电力系统的数学模型采集得到岸电机组的谐波电压，将高压岸电系统的谐波电压作为原始岸电检测数据。

进一步地，上述本征模函数包括高压岸电系统的谐波电压信号的各时间尺度的局部特征信号。

进一步地，上述通过集成经验模态分解法将原始检测数据逐级分解为有限个本征模函数包括以下步骤：

步骤1：初始化循环变量i＝1，原数据序列x_i(t)；

步骤2：识别出原数据序列中所有得局部极大值点，通过三次样条插值法拟合出局部极大值点的最大值包络线m₊(t)和最小值包络线m_{_}(t)；

步骤3：将最大值包络线和最小值包络线的均值m_i(t)作为原数据序列的均值包络；

步骤4：将原数据序列x_i(t)减去均值包络m_i(t)，得到一个去掉低频的新数据序列h_i(t)：