基于數(shù)據(jù)分解和ESN網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測模型.pdf

1、電力負(fù)荷預(yù)測精度的好壞直接關(guān)系著電力系統(tǒng)的穩(wěn)定性，也和社會、人民生活的正常有序進(jìn)行息息相關(guān)。尤其是短期電力負(fù)荷，關(guān)系著電力系統(tǒng)的日調(diào)度和生產(chǎn)計(jì)劃工作。準(zhǔn)確的短期負(fù)荷預(yù)測能夠降低發(fā)電成本，節(jié)約資源，也是電力系統(tǒng)實(shí)現(xiàn)自動化管理不可或缺的。因此高精度的預(yù)測模型意義重大。
　　本文對短期電力負(fù)荷的特性進(jìn)行了分析后，提出了基于數(shù)據(jù)分解和回聲狀態(tài)網(wǎng)絡(luò)（ESN）相結(jié)合的預(yù)測模型。根據(jù)電力負(fù)荷的特性，用合適的分解方法對負(fù)荷數(shù)據(jù)進(jìn)行分解，挖掘出數(shù)據(jù)

2、本身固有的內(nèi)在規(guī)律特征。再針對不同的分解量分別建立ESN網(wǎng)絡(luò)，用相應(yīng)的樣本訓(xùn)練對應(yīng)的ESN網(wǎng)絡(luò)，并用訓(xùn)練好的網(wǎng)絡(luò)對分量分別預(yù)測，最后累加所有分量的預(yù)測值得到最后的負(fù)荷預(yù)測值。
　　論文首先考慮了相似日對短期負(fù)荷的影響，用模糊方法進(jìn)行相似日的選取，使得訓(xùn)練樣本更加有針對性，對預(yù)測將更加有效。接著，將數(shù)據(jù)分解到不同時(shí)間尺度上，對每一個(gè)分解量分別進(jìn)行分析和預(yù)測能更準(zhǔn)確的挖掘電力負(fù)荷數(shù)據(jù)本身具有的特性和規(guī)律。最后用一種新型的遞歸神經(jīng)網(wǎng)絡(luò)—

3、—ESN網(wǎng)絡(luò)對每一個(gè)分量進(jìn)行預(yù)測，可以避免傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)訓(xùn)練學(xué)習(xí)過程復(fù)雜、容易陷入局部極值等問題。本文在進(jìn)行數(shù)據(jù)分解時(shí)用了三種分解方法：經(jīng)驗(yàn)?zāi)B(tài)分解（EMD），平均經(jīng)驗(yàn)?zāi)B(tài)分解（EEMD），改進(jìn)的局部均值分解（ILMD），對每一個(gè)分解的結(jié)果進(jìn)行了分析對比。最后用三種分解方法分別和回聲狀態(tài)網(wǎng)絡(luò)結(jié)合對電力負(fù)荷進(jìn)行預(yù)測，對結(jié)果進(jìn)行了對比和分析。
　　由仿真結(jié)果可知：對負(fù)荷進(jìn)行分解后再預(yù)測，其效果優(yōu)于不分解直接進(jìn)行預(yù)測；在三種分解方法與E