- 1、本文档共11页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
第 37 卷 第 14 期 农 业 工 程 学 报 Vol.37 No.14
186 2021 年 7 月 Transactions of the Chinese Society of Agricultural Engineering Jul. 2021
基于模态组合的短期负荷预测方法
1 1 2 1※ 3 1
苏 娟 ,方 舒 ,刘 博 ,杜松怀 ,单葆国 ,高 天
(1. 中国农业大学信息与电气工程学院,北京 100083 ;2. 国网北京市电力公司朝阳供电公司,北京 100124 ;3. 国网能源研究院
有限公司,北京 102209 )
摘 要:随着电力市场化改革的深入推进,电力系统运行呈现出更强的灵活性和不确定性,对短期负荷精准预测提出了
更高的要求。为有效协调发电、输电、配电、用电的关系,增强电力系统日运行调度的安全稳定性,该研究提出了一种
基于模态组合的短期负荷预测方法。从时域和频域 2 个维度提出了负荷序列和影响因素序列分解评价方法,得到改进的
变分模态分解法(Variational Mode Decomposition ,VMD ),对原始日负荷序列及影响因素序列进行分解,并采用粒子群
优化算法(Particle Swarm Optimization ,PSO )对VMD 的参数寻优。根据原始序列分解情况,对比各影响因素模态序列
与负荷序列的频域特征,筛选出与负荷序列特征相近的模态并将其进行线性叠加组合,得到多个整合后的组合模态序列,
以确定预测模型的输入量;分别利用粒子群优化的最小二乘支持向量机(Least Squares Support Vector Machine ,LSSVM )
模型进行负荷预测。算例结果表明,相比于直接采用 PSO-LSSVM 方法,本文提出的基于模态组合的短期负荷预测方法
的最大相对误差降低了 3.36 个百分点,平均相对误差降低了 1.71 个百分点,最大绝对误差降低了 95 MW,平均绝对误
差降低了 55.72 MW,短期负荷预测的精度得到明显提升。
关键词:算法;电能;短期负荷预测;变分模态分解;模态组合;电力市场;评价指标
doi :10.11975/j.issn.1002-6819.2021.14.021
中图分类号:TM715 文献标志码:A 文章编号:1002-6819(2021)-14-0186-11
苏娟,方舒,刘博,等. 基于模态组合的短期负荷预测方法[J]. 农业工程学报,2021,37(14):186-196. doi :
10.11975/j.issn.1002-6819.2021.14.021
Su Juan, Fang Shu, Liu Bo, et al. Short term load prediction method based on modal combination[J]. Transactions of the Chinese
Society of Agricultural Engineering (Transactions of the CSAE), 2021, 37(14): 186-196. (in Chinese with English abstract) doi :
10.11975/j.issn.1002-6819.2021.14.021
[4]
选参数少,简化了计算过程,提高了运算速度 ,更适用
0 引 言
文档评论(0)