基于EMD和LSSVM的短期电力负荷预测策略研究

发布时间：2017-12-07 02:24

  本文关键词：基于EMD和LSSVM的短期电力负荷预测策略研究

  更多相关文章： 短期负荷预测 最小二乘支持向量机 粒子群 经验模态分解

【摘要】：短期电力负荷研究对于地区电力系统运行的安全性、经济性具有重要的研究意义和实际应用价值。本论文建立于基于经验模态分解算法(Empirical Mode Decomposition)和粒子群(Particle Swarm Optimization)优化最小二乘支持向量机(Least Square Support Vector Machine)参数的混合短期负荷预测模型。本文很详细的介绍了数据处理的必要性、如何选择有效的样本和对样本的归一化处理,并且就合肥市电网的负荷特性做了具体分析,这些研究结果都为后面的样本输入特征的选择提供了基础。因为电力负荷数据容易受到气候变化、大型节假日等因素的影响,导致数据信号中含有很多的噪音信号,如果将这些噪音信号直接作为如数量会对预测的准确度造成影响,为了消除这些噪声信号提高预测精确度,引入经验模态分解算法。经验模态分解算法能够将输入信号分解为若干干本征模态函数,提高数据的平滑性。建立基于PSO优化LSSVM参数的短期负荷预测的模型。在利用LSSVM对短期负荷进行预测的时候,一个好的参数选取对于模型的预测性能有很重要的作用。利用粒子群参数进行参数全局寻优又解决了传统利用经验或者交叉验证法选取参数的盲目性,而且训练搜索时间也比较快,满足短期预测的期望。最后代入经过EMD算法分解的数值进行负荷预测组合模型。本文将EMD-PSO-LSSVM(经验模态分解-粒子群算法-最小二乘支持向量机)混合预测模型应用于合肥市电网进行了短期电力负荷预测。通过实例仿真可以得出,EMD-PSO-LSSVM预测精度良好,对历史数据具有较好的处理能力,模型泛化能力优良。本文也将组合预测模型和单个预测模型以及两个算法的组合模型进行了数据预测对比,结果表明EMD-PSO-LSSVM的预测误差明显优于单个模型和两个算法组合模型。
【学位授予单位】：安徽工程大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM715

【相似文献】

中国期刊全文数据库 前10条

1 文力;十年来第一次中国EMD厂长、经理联谊会在长沙举行[J];电池;2004年03期

2 ;隆冬正在逼近EMD产业——第7届全国EMD行业厂长、经理联谊会侧记[J];电池;2007年06期

3 Andrew Roden;韩长城;;EMD公司为66型机车规划新的的发展途径[J];国外内燃机车;2009年06期

4 顾洁;包海龙;唐衍;;基于EMD和干预分析的电力系统短期负荷预测[J];电力需求侧管理;2012年01期

5 时培明;丁雪娟;李庚;韩东颖;;一种EMD改进方法及其在旋转机械故障诊断中的应用[J];振动与冲击;2013年04期

6 陆人定;;基于EMD去噪解调技术在汽车变速器故障诊断中的应用[J];电子技术与软件工程;2013年21期

7 刘琛;刘小岩;轩冬青;;基于EMD闪光视觉诱发电位的单次提取方法[J];江南大学学报(自然科学版);2008年02期

8 司青花;王瀚;何苗;王康生;;EMD谱方法提取水轮机动态特征信息[J];大电机技术;2011年06期

9 苏明;EMD与澳大利亚签订5亿美元合同[J];国外内燃机车;1994年02期

10 苏明;EMD与加拿大国家铁路签订机车维修合同[J];国外内燃机车;2002年06期

中国重要会议论文全文数据库 前8条

1 赵玉芳;纪国宜;;基于EMD与盒维数的旋转机械故障诊断方法[A];第九届全国振动理论及应用学术会议论文摘要集[C];2007年

2 赵玉芳;纪国宜;;基于EMD与盒维数的旋转机械故障诊断方法[A];第九届全国振动理论及应用学术会议论文集[C];2007年

3 曾杰;许宝杰;张建民;;基于EMD的特征提取在机电系统监测中的应用[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年

4 许宝杰;徐小力;李建伟;;用神经网络插值进行EMD端点效应抑制方法的研究[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年

5 周小林;孙东松;钟志庆;王邦新;夏海云;沈法华;董晶晶;;基于多尺度EMD的激光雷达信号分段去噪[A];2006年全国光电技术学术交流会会议文集（D 光电信息处理技术专题）[C];2006年

6 胡桥;郝保安;吕林夏;陈亚林;孙起;;基于集成EMD和DEMON谱的辐射噪声特征提取研究[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年

7 屈俐俐;李变;;基于EMD的原子钟性能分析[A];第三届中国卫星导航学术年会电子文集——S04原子钟技术与时频系统[C];2012年

8 李健宝;彭涛;;基于EMD与相关性分析的滚动轴承智能故障诊断[A];第二十九届中国控制会议论文集[C];2010年

中国硕士学位论文全文数据库 前10条

1 何经伟;基于EMD的包络相关算法研究[D];广西师范大学;2015年

2 杨晨;基于经验模式分解（EMD）的脑信号研究[D];南京邮电大学;2015年

3 罗良维;基于EMD的电—机械转换器设计与仿真研究[D];广东工业大学;2016年

4 吴文江;基于EMD和LSSVM的短期电力负荷预测策略研究[D];安徽工程大学;2016年

5 李业联;基于EMD与VAR方法的中国股市溢出效应研究[D];浙江大学;2009年

6 石丁丁;基于EMD的异步电动机轴承故障诊断技术的研究[D];中北大学;2009年

7 周卫佳;基于EMD和MP方法的医学信号和图像分析[D];北京邮电大学;2010年

8 余永增;基于小波和EMD的滚动轴承非接触声学诊断方法研究[D];大庆石油学院;2009年

9 王祝平;基于EMD、关联维数及神经网络的内燃机故障诊断系统的研究[D];华中农业大学;2007年

10 贺灵敏;EMD和支持向量机在刀具故障诊断中的应用[D];西华大学;2010年

，

本文编号：1260838