基于相似日搜索的改进LMD与ESN相结合的短期电力负荷预测模型

• 作者: 张亚丽 李莎莎 罗勇 胡伯轩
• 来源期刊: 郑州大学学报（理学版）
• 学科: 工学
• 关键词: 负荷预测 局部均值分解 回声状态网络 相似日 模糊聚类
• 年，卷（期）: 2017,（2）
• 页码范围: 120-126
• 页数: 7页
• 分类号: TP18
• 字数: 4284字
• 语种: 中文
• DOI: 10.13705/j.issn.1671-6841.2016189

摘要

短期电力负荷容易受到自然因素及社会因素的影响,这使得负荷预测比较困难.为了提高短期负荷的预测精度,提出了基于相似日搜索的改进局部均值分解(ILMD)和回声状态网络(ESN)相结合的短期电力负荷预测模型.首先用模糊聚类分析将与预测日最相似的多个日期筛选出来.然后把这些相似日的整点负荷数据按照时间先后排成一组数据序列,用改进的LMD进行分解,对分解出的各个分量分别建立一个ESN网络,对每一个网络分别训练并进行预测.最后把每个网络的预测结果累加起来就是最终的预测值.实验证明此方法能有效提高预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李莎莎	郑州大学电气工程学院	22	21	2.0	3.0
2	罗勇	郑州大学电气工程学院	47	351	9.0	16.0
3	张亚丽		4	6	1.0	2.0
4	胡伯轩	郑州大学电气工程学院	1	6	1.0	1.0