基于EEMD-GABP的某地区短期负荷预测研究

基于EEMD-GABP的某地区短期负荷预测研究
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。

标题：
基于EEMD-GABP的某地区短期负荷预测研究
Short-term load forecasting in a certain area based on EEMD-GABP

作者：
郭威麟，蒋晓艳，罗意，韩钦
GUO Weilin, JIANG Xiaoyan, LUO Yi, HAN Qin

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
short-term load forecasting;meteorological factor;ensemble empirical mode decomposition;genetic algorithm;back propagation

2025-1-22 20:09 上传 基于EEMD-GABP的某地区短期负荷预测研究.pdf

文件大小:

1.38 MB

下载次数:

60

高速下载