基于变分模态分解和FABP的短期电力负荷预测

被引：73

作者：

张淑清

宿新爽

陈荣飞

刘婉

左一格

张赟

机构：

[1] 燕山大学电气工程学院

来源：

仪器仪表学报 | 2018年 / 39卷 / 04期

关键词：

短期负荷预测; 变分模态分解; 萤火虫优化神经网络算法; 样本熵;

D O I：

10.19650/j.cnki.cjsi.J1702751

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 [电力系统及其自动化];

摘要：

针对电力负荷序列非线性、随机性等特点引起的电力负荷预测精度下降等问题,提出了一种基于变分模态分解(VMD)和萤火虫算法优化BP神经网络(FABP)的短期负荷预测方法。利用VMD将原始电力负荷序列分解为若干个子序列,能够降低原始数据的复杂度和不稳定性同时克服模态混叠;萤火虫算法优化传统BP神经网络模型,能够克服其极易陷入局部最小的缺陷。最后通过样本熵(SE)对各子序列进行重组得到两个新分量,将其分别输入神经网络模型进行预测并叠加预测结果,实现短期负荷预测。应用于实例,结果表明,该方法能有效提高预测精度。

引用

页码：67 / 73

页数：7

共 17 条

[1]

Robust estimation of power system harmonics using a hybrid firefly based recursive least square algorithm.[J].Santosh Kumar Singh;Nilotpal Sinha;Arup Kumar Goswami;Nidul Sinha.International Journal of Electrical Power and Energy Systems.2016,

[2]

A convolutional neural network neutrino event classifier.[J].A. Aurisano;A. Radovic;D. Rocco;A. Himmel;M.D. Messier;E. Niner;G. Pawloski;F. Psihas;A. Sousa;P. Vahle.Journal of Instrumentation.2016, 9

[3]

Load frequency control of power system under deregulated environment using optimal firefly algorithm.[J].G.T. Chandra Sekhar;Rabindra Kumar Sahu;A.K. Baliarsingh;Sidhartha Panda.International Journal of Electrical Power and Energy Systems.2016,

[4]

基于变分模态分解和谱峭度法的滚动轴承故障特征提取 [J].