基于HHT的短期電力負(fù)荷預(yù)測研究.pdf

1、短期電力負(fù)荷預(yù)測對電力系統(tǒng)的經(jīng)濟(jì)調(diào)度、實(shí)時控制、運(yùn)行計(jì)劃和發(fā)展規(guī)劃等有重要的意義，有利于提高發(fā)電設(shè)備的利用率和經(jīng)濟(jì)調(diào)度的有效性。隨著電力工業(yè)的重要性的提高，以及電力市場改革的深入和競爭機(jī)制的引入，短期負(fù)荷預(yù)測的精度得到了越來越多的關(guān)注。
　　Hilbert-Huang變換(Hilbert-HuangTransform，HHT)適合處理非線性、非平穩(wěn)信號，能夠得到信號的時頻分布特征，具有完全的自適應(yīng)性。在電力系統(tǒng)領(lǐng)域中，HHT已經(jīng)廣

2、泛應(yīng)用于電能質(zhì)量檢測、諧波分析等方面，并取得了很好地效果。
　　本文首先介紹了電力系統(tǒng)各主要用戶的用電特點(diǎn)、影響短期電力負(fù)荷的主要因素和常用的預(yù)測誤差分析統(tǒng)計(jì)指標(biāo)，并對人工神經(jīng)網(wǎng)絡(luò)、最小二乘支持向量機(jī)等方法進(jìn)行了深入分析。針對HHT算法中存在的端點(diǎn)效應(yīng)的問題，本文采用BP神經(jīng)網(wǎng)絡(luò)延拓法來抑制。在進(jìn)行負(fù)荷預(yù)測之前，首先對原始負(fù)荷數(shù)據(jù)進(jìn)行預(yù)處理，并對溫度、天氣類型、日期類型進(jìn)行量化處理，然后通過經(jīng)驗(yàn)?zāi)B(tài)分解(EmpiricalMode

3、Decomposition，EMD)，將負(fù)荷序列分解成不同頻率的固有模態(tài)函數(shù)(IntrinsicModeFunction，IMF)，然后進(jìn)行Hilbert變換(HilbertTransform)，得到各IMF分量的平均瞬時頻率，根據(jù)各IMF的特點(diǎn)選取不同的預(yù)測模型，最后將各IMF的預(yù)測結(jié)果疊加，得到最終的預(yù)測值。本文以安徽省合肥市2012年的實(shí)際負(fù)荷數(shù)據(jù)作為樣本集進(jìn)行建模和預(yù)測，以平均絕對百分誤差和關(guān)聯(lián)度作為評價指標(biāo)。為了驗(yàn)證基于BP神