基于emd與果蠅參數(shù)尋優(yōu)的lssvm的機(jī)場(chǎng)能耗預(yù)測(cè)

1、基于基于EMD與果蠅參數(shù)尋優(yōu)的與果蠅參數(shù)尋優(yōu)的LSSVM的機(jī)場(chǎng)能耗預(yù)的機(jī)場(chǎng)能耗預(yù)測(cè)進(jìn)入二十一世紀(jì)以來(lái)，機(jī)場(chǎng)信息化發(fā)展迅速，研發(fā)了各類能耗信息管理系統(tǒng)，同時(shí)收集到了海量的機(jī)場(chǎng)能耗數(shù)據(jù)，這些數(shù)據(jù)可用于機(jī)場(chǎng)能耗預(yù)測(cè)。機(jī)場(chǎng)能耗預(yù)測(cè)是機(jī)場(chǎng)能源優(yōu)化調(diào)度和綜合管理的前提。機(jī)場(chǎng)能耗預(yù)測(cè)精度越高，就越有利于提高機(jī)場(chǎng)大型用電設(shè)備的效率，同時(shí)能為后期的調(diào)度工作提供有效的數(shù)據(jù)支持[1]。機(jī)場(chǎng)能耗數(shù)據(jù)具有隨機(jī)性、周期性、跳變性等特征，目前主流能耗預(yù)測(cè)方法是假設(shè)它

2、為周期性的穩(wěn)定序列，這導(dǎo)致分析數(shù)據(jù)特征的精度不高。為了更有效的掌握能耗序列變化的信息，運(yùn)用經(jīng)驗(yàn)?zāi)Ｊ椒纸猓‥MD）方法對(duì)其進(jìn)行數(shù)據(jù)預(yù)處理，再根據(jù)分解后各分量的特點(diǎn)完成后面模型建立和能耗預(yù)測(cè)。文獻(xiàn)[2]中提到EMD是一種將原序列的時(shí)域特性和頻域特性組合在一起分析的自適應(yīng)信號(hào)分解方法，它將非平穩(wěn)序列分解成若干個(gè)不同頻率的本征模態(tài)分量（Intrinsicmodefunction，IMF），各個(gè)分量包含不同的特征信息，對(duì)各分量分別進(jìn)行分析可以減少

3、了序列中不同特征信息之間的干涉或耦合[2]。研究能耗預(yù)測(cè)的方法主要有回歸分析法[3]、時(shí)間序列法[45]、神經(jīng)網(wǎng)絡(luò)法[69]等。其中神經(jīng)網(wǎng)絡(luò)能耗預(yù)測(cè)法應(yīng)用廣泛，但其計(jì)算速度緩慢、模型的網(wǎng)絡(luò)結(jié)構(gòu)難以確定、容易陷入局部極小值而難以找到全局最優(yōu)解，由此造成能耗預(yù)測(cè)精度不高[10]。支持向量場(chǎng)各站點(diǎn)將采集到的能耗數(shù)據(jù)發(fā)送到互聯(lián)網(wǎng)，機(jī)場(chǎng)能源站上位機(jī)負(fù)責(zé)接受并儲(chǔ)存這些數(shù)據(jù)。系統(tǒng)結(jié)構(gòu)圖如圖1所示。2經(jīng)驗(yàn)?zāi)Ｊ椒纸鈾C(jī)場(chǎng)能耗數(shù)序列具有復(fù)雜性、周期性、隨機(jī)性

4、等特征。利用經(jīng)驗(yàn)?zāi)Ｊ椒纸猓‥MD）將機(jī)場(chǎng)能耗序列分解成若干個(gè)不同頻率的本征分量（IMF），IMF具如下特點(diǎn)：極值（極大值和極小值）數(shù)與過(guò)零點(diǎn)的數(shù)目相等或最多相差一個(gè)；在任意頻率里其上、下包絡(luò)線的均值必須是零[13]。原機(jī)場(chǎng)能耗序列經(jīng)過(guò)EMD分解可以看出其周期項(xiàng)、隨機(jī)項(xiàng)、趨勢(shì)項(xiàng)，從而達(dá)到機(jī)場(chǎng)能耗序列平穩(wěn)化的效果。具體的分解過(guò)程如下：⑴根據(jù)原能耗序列X（t）的局部極值求出其上、下包絡(luò)線的平均值M1；⑵將原能耗序列減去平均包絡(luò)后即可得一個(gè)去掉

5、低頻的新序列F1=X（t）M1；判斷F1是否滿足本征分量的條件，若不滿足將F1看作新X（t），重復(fù)上述處理過(guò)程，直到F1滿足為止，記F1為IMF1；⑶將R1=X（t）F1看作新的X（t），重復(fù)以上⑴和⑵步驟，即可依次得到IMF2，IMF3…直到Fn或Rn滿足給定的終止條件時(shí)篩選結(jié)束。最后，原始的數(shù)據(jù)序列X（t）可表示為：式⑴表明，EMD處理之后原能耗序列X（t）分解成了幾個(gè)不同特征的分量，其中每個(gè)分量都代表一個(gè)特征尺度的能耗序列，對(duì)這些