基于EEMD-CS-LSSVM的短期负荷预测方法研究

作     者：雷炳银 王子驰 苏雨晴 孙炜哲 杨灵艺 LEI Bingyin;WANG Zichi;SU Yuqing;SUN Weizhe;YANG Lingyi

作者机构：平高集团有限公司平顶山467000 

出 版 物：《电力系统及其自动化学报》 (Proceedings of the CSU-EPSA)

年 卷 期：2021年第33卷第9期

页      面：117-122页

核心收录：

学科分类：080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 

基　　金：平高集团有限公司科技资助项目(PGKJ2019-048) 

主　　题：短期负荷预测 集合经验模态分解 布谷鸟搜索算法 优化参数 

摘      要：针对电力负荷具有非线性特征、预测精度不高的问题,提出一种基于集合经验模态分解和布谷鸟搜索算法优化最小二乘支持向量回归机的组合预测方法。首先,将历史负荷数据经集合经验模态分解为高频分量、随机分量和低频分量;其次,针对各分量特征采用具有不同核函数的最小二乘支持向量回归机预测模型进行电力负荷分量的预测,并且利用布谷鸟搜索优化最小二乘支持向量回归机预测模型的关键参数;最后,叠加各分量预测值,还原电力负荷预测结果。以河南某地区电力数据为例,通过与反向传播神经网络、差分整合移动平均自回归模型以及布谷鸟优化-最小二乘支持向量机方法对比,表明本文所提方法具有最高的预测精度,预测准确率达到98.5%。