基于频域分解的短期负荷预测研究分析

• 作者: 丁津津 张倩 李国丽 马愿 马金辉
• 来源期刊: 中国电力
• 关键词: 负荷预测 频域分解 Elman神经网络 随机森林 Mallat算法
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 电网
• 页码范围: 114-121
• 页数: 8页
• 字数: 5046字
• 语种: 中文
• DOI: 10.11930/j.issn.1004-9649.201809089

摘要

为研究频域分量预测法对短期负荷预测精度的影响,利用频域分解算法分解原始负荷数据,将数据分解为4个部分:日周期、周周期、低频和高频分量.其中,日周期、周周期分量用Elman神经网络预测;低频分量采用随机森林预测;高频分量则使用Mallat算法二次分解,分别得到低频部分和高频部分,选取低频部分做训练样本与Elman神经网络结合预测高频分量;将各个频域分量结果重组,实现电力负荷的高精度预测.以某地市实际负荷数据为例进行仿真,将该方法与Elman神经网络法、随机森林法及频域分量预测法的预测结果对比,验证所提方法可以有效提高精度,减少预测值和真实值的离散程度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁津津	国网安徽省电力有限公司电力科学研究院	19	54	5.0	6.0
2	马金辉		5	3	1.0	1.0