基于EEMD-LSSVM的短期負(fù)荷預(yù)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(fù)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(fù)荷預(yù)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(jī)算法組合的預(yù)測方法對電力負(fù)荷進(jìn)行短期預(yù)測。
　　首先考慮日期類型、天氣等因素對負(fù)荷預(yù)測的影響，利用模糊聚類法選取了相似日，將其作為初始負(fù)荷信號進(jìn)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(jìn)行最小二乘支持

2、向量機(jī)預(yù)測，各個分量的預(yù)測結(jié)果相疊加即為下一時刻的預(yù)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?？紤]到預(yù)測精度的問題，在使用最小二乘支持向量機(jī)時，對其進(jìn)行參數(shù)優(yōu)化。利用基于競標(biāo)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(jī)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(jī)有