基于VMD-NCWOA-LSSVM的短期电力负荷预测方法

• 作者: 胡文波 陈璟华 赖伟鹏
• 来源期刊: 宁夏电力
• 关键词: 短期电力负荷预测 变分模态分解 最小二乘支持向量机 改进鲸鱼优化算法
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 电网技术|POWER GRID TECHNOLOGY
• 页码范围: 26-35
• 页数: 10页
• 分类号: TM715
• 语种: 中文
• DOI: 10.3969/j.issn.1672-3643.2021.04.005

摘要

准确的电力系统负荷预测对电力系统安全稳定运行具有重要意义,为提高负荷预测精度,采用变分模态分解(variational mode decomposition,VMD)预处理数据,将原始日负荷曲线分解为不同频率的子序列,降低数据不规律性对负荷预测带来的干扰.使用Piece-wise模糊映射策略进行改进,解决鲸鱼优化算法(whale optimization algorithm,WOA)受初值影响容易陷入局部最优的问题.使用非线性收敛因子代替线性收敛因子,进一步提升WOA的全局寻优能力和局部探索能力,得到非线性收敛因子的混沌鲸鱼优化算法(nonlinear convergence factor of the chaotic whale optimization algorithm,NCWOA)优化最小二乘支持向量机(least square support vector machine,LSSVM)的组合预测模型(VMD-NCWOA-LSSVM).测试结果表明本文所提模型可以降低预测值的最大相对误差和平均绝对百分误差,有效提高短期电力负荷预测的精度.