基于CEEMD-IBA-LSSVM的微电网短期负荷预测研究与应用

• 作者: 李晓辉 佟鑫 曹敬立 李蒙 张迎春 王梓舟 国网冀北承德供电公司
• 来源期刊: 计算机测量与控制
• 关键词: 微电网 负荷预测 互补集成经验模态分解 最小二乘支持向量机 改进蝙蝠算法
• 年，卷（期）: 2023,（3）
• 所属期刊栏目: 测试与故障诊断
• 页码范围: 49-55
• 页数: 7页
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2023.03.008

摘要

为了有效获取微电网负荷中的隐藏信息和潜藏特征，进一步提升微电网短期负荷预测的精准度与效率，提出一种基于基于互补集成经验模态分解(CEEMD,complementary ensemble empirical mode decomposition)和改进蝙蝠算法(IBA,improvement bat algorithm)优化最小二乘支持向量机(LSSVM,least squares support vector machine)的微电网短期负荷预测模型，先利用CEEMD对负荷序列进行有效分解，减轻局部信息相互影响；再引入引入反向学习、动态自适应惯性权重与拉格朗日插值法等方法改进蝙蝠的全局搜索与局部寻优能力，克服标准蝙蝠算法易早熟、易陷入局部最优值的问题，并利用IBA对LSSVM参数进行优化；最后通过算例验证CEEMD-IBA-LSSVM短期负荷模型效果，结果表明所构建模型的预测准确率约为98.21%,与其他预测模型相比具有较高的运行效率与预测精度。