基于EEMD-GABP的某地区短期负荷预测研究

• 作者: 罗意 蒋晓艳 郭威麟 韩钦
• 来源期刊: 电力工程技术
• 学科: 工学
• 关键词: 短期负荷预测 气象因子 集总经验模态分解法 遗传算法 静态前馈
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 电网运行与控制
• 页码范围: 93-98
• 页数: 6页
• 分类号: TM714
• 字数: 4022字
• 语种: 中文
• DOI: 10.12158/j.2096-3203.2019.06.013

摘要

电力系统负荷是具有典型周期性和随机性特点的非线性、非平稳时间序列的负荷系统.为了降低负荷序列的非线性,提高预测精度,提出了集总经验模态分解法(EEMD)和基于改进人工神经网络(GABP)的短期负荷预测法.运用EEMD将负荷序列分解成若干不同频率的平稳分量,突出原负荷数据局部特征,解决了经验模态分解法(EMD)中分类模糊问题,同时利用GABP网络进行预测,解决了BP容易陷入局部最优解的问题,选择合适的参数对各分量构造不同的EEMD-GABP预测模型,引入气象因子对各分量分别预测,重构后得到最终预测值.算例表明,基于EMD-GABP预测模型的负荷量预测精度高于差分整合移动自回归移动(ARIMA)模型、支持向量机(SVM)模型等传统模型,稳定性更强.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩钦		5	4	1.0	2.0
2	郭威麟		4	7	1.0	2.0
3	蒋晓艳		9	30	4.0	5.0
4	罗意		2	4	1.0	2.0