基于VMD-SMA-KELM短期负荷预测方法

• 作者: 杨硕
• 来源期刊: 电工材料
• 关键词: 负荷预测 变分模态分解 黏菌算法 核极限学习机
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 研究·分析
• 页码范围: 51-55
• 页数: 4页
• 分类号: TM715
• 语种: 中文
• DOI: 10.16786/j.cnki.1671-8887.eem.2022.02.014

摘要

针对电力负荷波动性和非线性因素导致的预测精度不高等系列问题，本文提出了一种通过变分模态分解和黏菌算法来优化核极限学习机的短期负荷预测模型。此模型用变分模态分解技术将原始负荷序列分解成不同特征频率的子序列，同时对每个子序列建立模型，预测模型采用变分模态分解和黏菌算法来优化核极限学习机，最后将各分量预测值组合得到最终的预测结果。该预测方法与其他模型相比有较好的预测结果。