基于EEMD-LSSVM的短期負荷預測.pdf

1、為解決電能不能大量貯存問題，發(fā)電量應(yīng)順應(yīng)負荷的動態(tài)變化而實時變化，否則，將會影響供電質(zhì)量和電力系統(tǒng)的穩(wěn)定運行。近幾年，對負荷預測研究不斷深入，新方法不斷涌現(xiàn)。本文采用基于集成經(jīng)驗?zāi)B(tài)分解和最小二乘支持向量機算法組合的預測方法對電力負荷進行短期預測。
　　首先考慮日期類型、天氣等因素對負荷預測的影響，利用模糊聚類法選取了相似日，將其作為初始負荷信號進行集成經(jīng)驗?zāi)B(tài)分解，得到若干IMF序列和一個剩余分量，然后對各個分量進行最小二乘支持

2、向量機預測，各個分量的預測結(jié)果相疊加即為下一時刻的預測值。
　　為了解決傳統(tǒng)的經(jīng)驗?zāi)B(tài)分解有頻率混疊的問題，本文使用了集成經(jīng)驗?zāi)B(tài)分解，在原始信號中加入了白噪聲；并使用Huang提出的IMF篩選停止條件，分解加入噪聲的信號。考慮到預測精度的問題，在使用最小二乘支持向量機時，對其進行參數(shù)優(yōu)化。利用基于競標賽選擇的雙種群人工蜂群算法選取了最小二乘支持向量機的正規(guī)化參數(shù)和高斯核函數(shù)的覆蓋寬度。仿真實驗證明，經(jīng)過優(yōu)化的最小二乘支持向量機有