基于MEEMD加窗改进方法与GRNN组合的电力负荷预测

• 作者: 段艳涛 毕贵红 高晗
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 电力负荷预测 GRNN 端点效应 模态混叠 余弦窗函数
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 人工智能
• 页码范围: 44-50
• 页数: 7页
• 分类号: TP306
• 字数: 4096字
• 语种: 中文
• DOI: 10.11907/rjdk.191207

摘要

针对电力负荷序列不稳定性、随机性等特点引起的电力负荷预测精度下降等问题,提出MEEMD加窗改进方法和GRNN组合的短期电力负荷预测模型.利用GRNN神经网络延拓方法对原始信号两端数据进行延拓,用余弦窗函数对延拓数据加窗处理后再进行MEEMD分解,用神经网络对各分量趋势进行预测,叠加各分量的预测结果得到负荷序列的最终预测结果.实验结果表明,MEEMD加窗改进分解预测的平均绝对误差、平均绝对值百分比误差和均方根误差分别为73.9268、0.8180％和82.9301.基于MEEMD加窗改进方法和GRNN组合的电力负荷预测不仅能抑制端点效应,而且能解决模态混叠和伪分解问题,提高了短期电力负荷的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	毕贵红	昆明理工大学电力工程学院	76	578	13.0	20.0
2	高晗	昆明理工大学电力工程学院	2	0	0.0	0.0
3	段艳涛	昆明理工大学电力工程学院	1	0	0.0	0.0