基于CEEMDAN算法及NARX神经网络的短期负荷预测

• 作者: 李亚男 程志友
• 来源期刊: 安徽大学学报（自然科学版）
• 学科: 工学
• 关键词: 预测精度 CEEMDAN 本征模态函数 NARX神经网络 短期负荷预测
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 电子与自动化技术
• 页码范围: 38-46
• 页数: 9页
• 分类号: TM715
• 语种: 中文
• DOI: 10.3969/j.issn.1000-2162.2021.02.007

摘要

为了提高电力负荷预测精度,提出一种基于自适应噪声的完全集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,简称CEEMDAN)算法和外部输入非线性自回归(nonlinear auto regressive with exogenous inputs,简称NARX)神经网络的短期负荷预测模型.首先,通过CEEMDAN算法对电力负荷原始信号进行分解,得到若干个本征模态函数分量和1个残差分量;然后,将得到的若干个本征模态函数分量和1个残差分量输入NARX神经网络进行预测;最后,将各分量的预测结果进行叠加得到短期负荷预测的最终结果.实验结果表明:CEEMDAN算法与NARX神经网络相结合的负荷预测模型有较强的收敛性能,能减少噪声对预测结果的不良影响、有效提高预测精度.