一种结合互补集合经验模态分解和小波核极限学习机的短期电力负荷预测模型

• 作者: 樊亚敏 潘玉民 郭瑞
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 短期负荷预测 互补的集成经验模态分解 小波核极限学习机 组合预测模型
• 年，卷（期）: 2016,（12）
• 所属期刊栏目: 算 法
• 页码范围: 243-247,263
• 页数: 6页
• 分类号: TP391
• 字数: 4963字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2016.12.058

摘要

电力系统的管理和调度对精确的负荷预测模型有着极高的要求。为全面提高负荷预测模型的性能，提出一种新型的结合互补集成经验模态分解（CEEMD）和小波核函数极限学习机（WKELM）的短期电力负荷组合预测模型。首先通过 CEEMD 将历史电力负荷数据自适应地分解为一系列相对平稳的子序列，对各分量建立小波核极限学习机的预测模型，预测各分量的负荷值并对其进行求和得到最终预测结果。用四种预测模型对真实的负荷数据进行训练预测，算例表明新模型在预测精度和效率上都具有一定优势，同时克服了传统 EMD 中容易出现的模态混叠问题以及 ELM中存在的过拟合等缺陷，具有一定的实际应用潜力。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘玉民	华北科技学院电子信息工程学院	40	142	5.0	10.0
2	郭瑞	辽宁工程技术大学电气与控制工程学院	43	148	7.0	10.0
3	樊亚敏	辽宁工程技术大学电气与控制工程学院	4	11	2.0	3.0