文獻(xiàn)標(biāo)識碼: A
DOI:10.16157/j.issn.0258-7998.200036
中文引用格式: 徐少波,李鑫,劉海濤,等. 基于EMD-DA-LSSVM的短期電力負(fù)荷預(yù)測研究[J].電子技術(shù)應(yīng)用,2020,46(11):96-99,103.
英文引用格式: Xu Shaobo,Li Xin,Liu Haitao,et al. Study on short term power load forecast using EMD-DA-LSSVM[J]. Application of Electronic Technique,2020,46(11):96-99,103.
0 引言
短期電力負(fù)荷預(yù)測是負(fù)荷預(yù)測的重要組成部分,主要分為超短期、短期、中長期和長期預(yù)測,其對經(jīng)濟(jì)調(diào)度、電力市場交易、調(diào)整機(jī)組組合以及最優(yōu)潮流具有重要意義[1]。短期電力負(fù)荷的準(zhǔn)確預(yù)測對合理地安排發(fā)電計(jì)劃和運(yùn)行計(jì)劃有重要作用,同時能夠降低發(fā)電成本,提升電力生產(chǎn)運(yùn)營的經(jīng)濟(jì)性。因此,如何提升短期負(fù)荷預(yù)測的精準(zhǔn)性,是受到廣泛關(guān)注的熱點(diǎn)問題,也是難點(diǎn)問題。
目前,常用負(fù)荷預(yù)算方法主要有時間序列法、外推法、回歸分析法、極限學(xué)習(xí)機(jī)、人工神經(jīng)網(wǎng)絡(luò)法、小波分析法、灰色系統(tǒng)法以及支持向量機(jī)等。文獻(xiàn)[2]提出一種基于混沌時間序列的負(fù)荷預(yù)測方法,雖然該方法一定程度上有助于提升負(fù)荷預(yù)測效果,但是精度還有待提高。文獻(xiàn)[3]提出了基于組合灰色模型的全新短期電力負(fù)荷預(yù)測模型,結(jié)果表明該模型適合呈現(xiàn)指數(shù)變化的負(fù)荷預(yù)測,對于其他變化類型的負(fù)荷預(yù)測的預(yù)測精度較低。文獻(xiàn)[4]提出一種基于BP神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測方法,該方法存在訓(xùn)練時間過長的缺點(diǎn),由于氣象因素的影響導(dǎo)致負(fù)荷預(yù)測精度較低。文獻(xiàn)[5]提出一種基于網(wǎng)格搜索優(yōu)化支持向量機(jī)(Support Vector Machine,SVM)的短期負(fù)荷預(yù)測模型,該方法具有較好的預(yù)測效果,但是會耗費(fèi)大量時間,實(shí)時性較差。為了進(jìn)一步優(yōu)化最小二乘支持向量機(jī)(Least Squares Support Vector Machine,LSSVM)的性能,文獻(xiàn)[6]融合模擬退火算法(Simulated Annealing,SA)和LSSVM模型,運(yùn)用SA算法優(yōu)化LSSVM模型的懲罰參數(shù)C和核參數(shù)g,提出一種基于SA-LSSVM的短期電力負(fù)荷預(yù)測方法,從而提高了負(fù)荷預(yù)測的精度。
本文考慮電力負(fù)荷數(shù)據(jù)的非線性和非平穩(wěn)性,建立了基于EMD-DA-LSSVM的用電負(fù)荷預(yù)測模型。首先,采用EMD分解短期電力負(fù)荷數(shù)據(jù),獲得互不耦合的IMF分量;其次,針對各IMF分量建立最優(yōu)參數(shù)下的EMD-DA-LSSVM短期電力負(fù)荷預(yù)測模型,重構(gòu)得到預(yù)測值。通過算法驗(yàn)證分析,與LSSVM、DA-LSSVM和EMD-LSSVM相比,EMD-DA-LSSVM模型具有更高的預(yù)測精度,短期電力負(fù)荷預(yù)測精度高達(dá)2.203%,從而說明EMD-DA-LSSVM進(jìn)行短期電力負(fù)荷預(yù)測的有效性和可行性。
本文詳細(xì)內(nèi)容請下載:http://ihrv.cn/resource/share/2000003065
作者信息:
徐少波1,李 鑫1,劉海濤1,魏 麗2
(1.國網(wǎng)十堰供電公司,湖北 十堰442000;2.武漢工程大學(xué),湖北 武漢430070)