基于EEMD-LSSVM的超短期负荷预测

• 作者: 孟玲玲 王新
• 来源期刊: 电力系统保护与控制
• 学科: 工学
• 关键词: 超短期负荷预测 集合经验模态分解 最小二乘支持向量机 贝叶斯框架 时间序列
• 年，卷（期）: 2015,（1）
• 所属期刊栏目: 应用研究
• 页码范围: 61-66
• 页数: 6页
• 分类号: TM715
• 字数: 3266字
• 语种: 中文

摘要

针对传统的最小二乘支持向量机(LSSVM)参数不易确定且单一预测模型精度不高的问题，提出了一种基于集合经验模态分解(EEMD)与LSSVM的组合预测模型。首先利用EEMD将历史数据分解成一系列相对比较平稳的分量序列，再对各子序列分别建立合适的预测模型。进一步通过贝叶斯证据框架来优化LSSVM的参数，用贝叶斯推理确定模型参数、正规化超参数和核参数。然后将各子序列预测结果进行叠加得到最终预测值。最后，将该预测模型用于某一家庭超短期负荷预测中，仿真结果表明，该模型取得了比单一模型更好的预测效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王新	河南理工大学电气工程与自动化学院	67	495	12.0	20.0
2	孟玲玲	河南理工大学电气工程与自动化学院	1	82	1.0	1.0