基于奇异谱分析与神经网络的中期负荷预测

• 作者: 刘文霞 李月乔 陈浩文
• 来源期刊: 电网技术
• 学科: 工学
• 关键词: 中期负荷预测 分解预测 奇异谱分析 神经网络
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 电力市场
• 页码范围: 1333-1342,中插4-中插8
• 页数: 1页
• 分类号: TM715
• 语种: 中文
• DOI: 10.13335/j.1000-3673.pst.2019.0854

摘要

针对非平稳、非线性中期负荷序列分解预测的精度问题,提出了基于奇异谱分析与神经网络的中期负荷分解预测方法.考虑中期负荷长期趋势性与季节性周期波动性特点,在中期负荷序列趋势提取的基础上,利用频谱分析确定序列主要周期成分并引入奇异谱分析方法对序列主要周期成分进行滤波分解,对分解所得的各子序列构建神经网络模型进行预测,各子序列预测结果叠加作为最终的电量预测值.结合某地历史数据,将所提算法与经验模态分解/神经网络方法、传统滤波/神经网络方法预测结果进行对比,结果表明该方法在进行中期电量预测时能够获得更为平稳的、精度较高的预测结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李月乔		22	106	6.0	9.0
2	刘文霞		89	1146	18.0	31.0
3	陈浩文		1	0	0.0	0.0