论文摘要
电力系统负荷是具有典型周期性和随机性特点的非线性、非平稳时间序列的负荷系统。为了降低负荷序列的非线性,提高预测精度,提出了集总经验模态分解法（EEMD）和基于改进人工神经网络（GABP）的短期负荷预测法。运用EEMD将负荷序列分解成若干不同频率的平稳分量,突出原负荷数据局部特征,解决了经验模态分解法（EMD）中分类模糊问题,同时利用GABP网络进行预测,解决了BP容易陷入局部最优解的问题,选择合适的参数对各分量构造不同的EEMD-GABP预测模型,引入气象因子对各分量分别预测,重构后得到最终预测值。算例表明,基于EMD-GABP预测模型的负荷量预测精度高于差分整合移动自回归移动（ARIMA）模型、支持向量机（SVM）模型等传统模型,稳定性更强。
论文目录
文章来源
类型: 期刊论文
作者: 郭威麟,蒋晓艳,罗意,韩钦
关键词: 短期负荷预测,气象因子,集总经验模态分解法,遗传算法,静态前馈
来源: 电力工程技术 2019年06期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 西藏农牧学院
基金: 西藏科技厅地区自然科学基金资助项目“安全约束条件下的西藏电网消纳光伏发电能力研究”(XZ2018ZRG-12)
分类号: TM715
页码: 93-98
总页数: 6
文件大小: 477K
下载量: 176
相关论文文献
标签：短期负荷预测论文; 气象因子论文; 集总经验模态分解法论文; 遗传算法论文; 静态前馈论文;