基于EEMD-样本熵和Elman神经网络的短期电力负荷预测

• 作者: 毛弋 童伟 袁建亮 陈艳平 陈萍
• 来源期刊: 电力系统及其自动化学报
• 学科: 工学
• 关键词: 短期负荷预测 样本熵 集总经验模式分解 Elman神经网络
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 学术论文
• 页码范围: 59-64
• 页数: 6页
• 分类号: TM715
• 字数: 4168字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-8930.2016.03.011

摘要

针对电力负荷序列的非线性、非平稳性等特点,提出了一种基于集总经验模式分解EEMD-样本熵和El-man神经网络的短期负荷预测方法.为了减小电力负荷序列局部分析的计算规模以及提高负荷预测的精度,先利用EEMD-样本熵将原始电力负荷序列分解成一系列复杂度差异明显的子序列;然后在综合考虑温度及日期类型等因素对各子序列影响的基础上,根据各子序列的特点构造不同的Elman神经网络对各子序列分别进行预测;最后将各子序列的预测结果叠加得到最终预测值,并对EUNITE国际电力负荷预测竞赛公布的数据进行仿真实验.仿真结果表明该方法能有效地提高负荷预测的精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	毛弋	湖南大学电气与信息工程学院	31	316	10.0	16.0
2	陈艳平	湖南大学电气与信息工程学院	9	271	7.0	9.0
3	陈萍	湖南大学电气与信息工程学院	4	84	3.0	4.0
4	童伟	湖南大学电气与信息工程学院	3	81	3.0	3.0
5	袁建亮	湖南大学电气与信息工程学院	1	53	1.0	1.0