基于EMD和ELM的短期负荷预测

• 作者: 成天乐 王龙 陈宇
• 来源期刊: 电力科学与工程
• 学科: 工学
• 关键词: 短期负荷预测 经验模式分解 极限学习机 组合预测
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 研究与分析/电力工程
• 页码范围: 54-58
• 页数: 5页
• 分类号: TM744
• 字数: 3384字
• 语种: 中文
• DOI: 10.3969/j.issn.16720792.2014.06.011

摘要

为了快速、准确预测具有随机性的电力负荷，引入经验模式分解和极限学习机组合负荷预测算法。首先，利用EMD将非平稳负荷序列分解成一系列相对平稳的分量，减少不同负荷影响因素间的相互影响；然后针对各分量的不同特性，利用ELM具有预测能力强、计算时间短、计算准确性高等特点建立不同的预测模型，分别预测各分量值；最后组合ELM预测的各分量值，得到最终预测结果。仿真算例表明， EMD和ELM组合预测方法较传统单一神经网络方法在短期负荷预测精度和运算时间方面具有其独特的优势。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王龙		1	7	1.0	1.0
2	成天乐		1	7	1.0	1.0
3	陈宇		3	11	2.0	3.0