基于VMD和ELM的超短期负荷预测方法

• 作者: 孟凡煦 张琰骏
• 来源期刊: 国外电子测量技术
• 学科: 工学
• 关键词: 超短期负荷预测 变分模态分解 极限学习机 预测 模型
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 理论与方法
• 页码范围: 24-28
• 页数: 5页
• 分类号: TN2
• 语种: 中文
• DOI: 10.19652/j.cnki.femt.1801082

摘要

为了使用有限的历史数据精准地预测将来某段时间内的超短期负荷变化, 把变分模态分解 (variational mode decomposition, VMD) 引入到超短期负荷预测中.首先将历史负荷的时间序列进行VMD分解, 得到一组相对平稳的模态分量, 然后对各模态分量分别建立极限学习机 (extreme learning machine, ELM) 预测模型, 再将各模态分量的预测结果累加获得最终预测值.算例比较表明, 所提出的方法具备很高的预测精度以及很快的预测速度.