基于EEMD-LSSVM的超短期负荷预测

发布时间：2018-03-15 12:15

本文选题：超短期负荷预测　切入点：集合经验模态分解　出处：《电力系统保护与控制》2015年01期 　论文类型：期刊论文

【摘要】：针对传统的最小二乘支持向量机(LSSVM)参数不易确定且单一预测模型精度不高的问题,提出了一种基于集合经验模态分解(EEMD)与LSSVM的组合预测模型。首先利用EEMD将历史数据分解成一系列相对比较平稳的分量序列,再对各子序列分别建立合适的预测模型。进一步通过贝叶斯证据框架来优化LSSVM的参数,用贝叶斯推理确定模型参数、正规化超参数和核参数。然后将各子序列预测结果进行叠加得到最终预测值。最后,将该预测模型用于某一家庭超短期负荷预测中,仿真结果表明,该模型取得了比单一模型更好的预测效果。
[Abstract]:The traditional LSSVM-based least squares support vector machine (LSSVM) is difficult to determine the parameters and the accuracy of the single prediction model is not high. A combined prediction model based on set empirical mode decomposition (EEMD) and LSSVM is proposed. Firstly, historical data are decomposed into a series of relatively stable component sequences using EEMD. Then the appropriate prediction models are established for each sub-sequence. Further, the parameters of LSSVM are optimized by Bayesian evidence framework, and the parameters of the model are determined by Bayesian reasoning. The superparameters and kernel parameters are normalized, and then the prediction results of each sub-sequence are superimposed to obtain the final prediction value. Finally, the prediction model is applied to the super-short-term load forecasting of a certain family. The simulation results show that, The prediction effect of this model is better than that of single model.
【作者单位】：河南理工大学电气工程与自动化学院;
【基金】：河南省科技攻关项目(142102210048) 河南省高校科技创新人才支持计划项目(2008HASTIT022)
【分类号】：TM715

【参考文献】

相关期刊论文前10条

1 陈昌松;段善旭;殷进军;;基于神经网络的光伏阵列发电预测模型的设计[J];电工技术学报;2009年09期

2 王贺;胡志坚;陈珍;仉梦林;贺建波;李晨;;基于集合经验模态分解和小波神经网络的短期风功率组合预测[J];电工技术学报;2013年09期

3 祝志慧;孙云莲;季宇;;基于经验模式分解和最小二乘支持向量机的短期负荷预测[J];继电器;2007年08期

4 王林川;白波;于奉振;袁明哲;;基于贝叶斯证据框架下WLS-SVM的短期负荷预测[J];电力系统保护与控制;2011年07期

5 孙斌;姚海涛;;基于PSO优化LSSVM的短期风速预测[J];电力系统保护与控制;2012年05期

6 王贺;胡志坚;张翌晖;张子泳;张承学;;基于IPSO-LSSVM的风电功率短期预测研究[J];电力系统保护与控制;2012年24期

7 叶林;刘鹏;;基于经验模态分解和支持向量机的短期风电功率组合预测模型[J];中国电机工程学报;2011年31期

8 ;Time-series gas prediction model using LS-SVR within a Bayesian framework[J];Mining Science and Technology;2011年01期

9 张学清;梁军;;基于EEMD-近似熵和储备池的风电功率混沌时间序列预测模型[J];物理学报;2013年05期

10 苏莉;陈鹏飞;齐勇;武义涵;;贝叶斯证据框架下最小二乘支持向量机的软件老化检测方法[J];西安交通大学学报;2013年08期

【共引文献】

相关期刊论文前10条

1 程序;周海;崔方;丁杰;;大容量并网型光伏电站功率预测预报系统设计[J];水电自动化与大坝监测;2011年05期

2 兰华;廖志民;赵阳;;基于ARMA模型的光伏电站出力预测[J];电测与仪表;2011年02期

3 陈阿莲;冯丽娜;杜春水;张承慧;;基于支持向量机的局部阴影条件下光伏阵列建模[J];电工技术学报;2011年03期

4 陈昌松;段善旭;蔡涛;代倩;;基于模糊识别的光伏发电短期预测系统[J];电工技术学报;2011年07期

5 胡艳梅;吴俊勇;高立志;;含间歇式电源电力系统风险评估的研究综述[J];电气应用;2012年04期

6 常鹏;高亚静;张琳;李均强;;基于EEMD与时间序列法的短期风电场功率预测[J];电力科学与工程;2012年03期

7 姜侨娜;陈中;;BP-马尔科夫组合预测方法在光伏发电量预测中的应用[J];电力需求侧管理;2011年06期

8 方鑫;郭强;张东霞;梁双;;考虑天气不确定性的光伏电站置信容量评估[J];电力系统自动化;2012年10期

9 刘志刚;李文帆;孙婉璐;;Hilbert-Huang变换及其在电力系统中的应用[J];电力自动化设备;2012年04期

10 朱永强;田军;;最小二乘支持向量机在光伏功率预测中的应用[J];电网技术;2011年07期

相关期刊论文前10条

1 廖志凌;阮新波;;一种独立光伏发电系统双向变换器的控制策略[J];电工技术学报;2008年01期

2 冬雷;王丽婕;高爽;廖晓钟;;基于混沌时间序列的大型风电场发电功率预测建模与研究[J];电工技术学报;2008年12期

3 陈昌松;段善旭;殷进军;;基于神经网络的光伏阵列发电预测模型的设计[J];电工技术学报;2009年09期

4 陈昌松;段善旭;蔡涛;代倩;;基于模糊识别的光伏发电短期预测系统[J];电工技术学报;2011年07期

5 魏晓霞;;我国风电发展存在的问题和应对措施[J];电力技术经济;2009年06期

6 李天云,赵妍,李楠;基于EMD的Hilbert变换应用于暂态信号分析[J];电力系统自动化;2005年04期

7 张国强;张伯明;;基于组合预测的风电场风速及风电机功率预测[J];电力系统自动化;2009年18期

8 葛炬;王飞;张粒子;;含风电场电力系统旋转备用获取模型[J];电力系统自动化;2010年06期

9 徐曼;乔颖;鲁宗相;;短期风电功率预测误差综合评价方法[J];电力系统自动化;2011年12期

10 陈颖;周海;王文鹏;曹潇;丁杰;;风电场输出功率超短期预测结果分析与改进[J];电力系统自动化;2011年15期

相关期刊论文前10条

1 鞠平,姜巍,赵夏阳,王俊锴,张世学,刘琰;96点短期负荷预测方法及其应用[J];电力系统自动化;2001年22期

2 莫维仁,孙宏斌,张伯明;面向电力市场的短期负荷预测系统设计及实现[J];电力系统自动化;2001年23期

3 金海峰,熊信艮,吴耀武;基于相似性原理的短期负荷预测方法[J];电力系统自动化;2001年23期

4 赵登福,王蒙,张讲社,雷兵,张涛,周琳,王锡凡;基于确定性退火方法的短期负荷预测[J];中国电机工程学报;2001年07期

5 姜勇,卢毅;基于相似日的神经网络短期负荷预测方法[J];电力系统及其自动化学报;2001年06期

6 陈桂远;广西电网短期负荷预测及其数学模型[J];广西电力技术;2001年01期

7 青志文,沈新祥,刘明清,姚建刚,曾刚,秦炜;地区电网短期负荷预测系统的研究与开发[J];湖南电力;2001年03期

8 尤勇,盛万兴,王孙安;一种新型短期负荷预测模型的研究及应用[J];中国电机工程学报;2002年09期

9 陈晓平,胡子珩,刘顺桂,莫维仁,张伯明;商业性城市负荷特点及其短期负荷预测[J];广东电力;2002年02期

10 唐向阳;应用于短期负荷预测的自适应建模方法[J];广西电力技术;2002年03期