基于EEMD-BP神经网络的含电采暖的配电变压器短期负荷预测

被引：33

作者：

李香龙 ^{[1
]}

张宝群 ^{[1
]}

张宇 ^{[2
]}

孙钦斐 ^{[1
]}

孟颖 ^{[1
]}

赵凤展 ^{[2
]}

机构：

[1] 国网北京市电力公司电力科学研究院

[2] 中国农业大学

来源：

电测与仪表 | 2018年 / 55卷 / 10期

关键词：

配电变压器短期负荷预测; 电采暖; 集成经验模态分解; BP神经网络; 组合预测模型;

D O I：

暂无

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：

为了快速准确地预测含高比例电采暖设备的配电变压器的短期负荷,提出了基于集成经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)及BP神经网络算法组合的含电采暖的配电变压器短期负荷预测方法,该方法考虑了采暖日天气类型、采暖日温度等环境条件对居民采暖行为的影响。首先运用EEMD方法将日负荷序列分解成4组频率由低至高的分量序列及1组剩余分量序列,再将各分量序列及温度数据、气象数据输入BP神经网络中进行预测,最后各个预测分量相加得到最终的预测结果。将该方法应用于北京地区冬季"煤改电"工程中,对某个含高比例电采暖负荷的配电变压器进行短期预测,算例表明,EEMD-BP组合预测方法能够有效减小负荷预测误差。

引用

页码：101 / 107

页数：7

共 10 条

[1]

基于并行膜计算的短期电力负荷组合预测 [J].

白杨 ;

赵冠 ;

窦金延 ;

黄国强 ;

闫敏 ;

李逐云 ;

雷霞 ;

刘增庆 .

电力系统保护与控制, 2017, 45 (07) :35-42

[2]

基于GA-BP和POS-BP神经网络的光伏电站出力短期预测 [J].

姚仲敏 ;

潘飞 ;

沈玉会 ;

吴金秋 ;

于晓红 .

电力系统保护与控制, 2015, 43 (20) :83-89

[3]

基于EEMD-LSSVM的超短期负荷预测 [J].

王新 ;

孟玲玲 .

电力系统保护与控制, 2015, 43 (01) :61-66

[4]

基于LVQ-GA-BP神经网络光伏电站出力短期预测 [J].

罗建春 ;

晁勤 ;

罗洪 ;

冉鸿 ;

杨杰 ;

罗庆 ;

阿里努尔阿木提 .

电力系统保护与控制, 2014, 42 (13) :89-94

[5]

基于EEMD与动态神经网络的短期负荷预测 [J].

刘岱 ;

庞松岭 ;

骆伟 .

东北电力大学学报(自然科学版), 2009, 29 (06) :20-26

[6]

负荷特性对电力系统静态电压稳定性的影响及静态电压稳定性广义实用判据 [J].

李欣然 ;

贺仁睦 ;

章健 ;

张伶俐 .

中国电机工程学报, 1999, (04)

[7]

Application of BP Neural Network to Short-Term-Ahead Generating Power Forecasting for PV System.[J].Dan Dan Zhao;Hong Bo Hu;Lu Chun Wan;Bao Huai Zhang.Advanced Materials Research.2013, 608

[8]

Improved EEMD on the Application Research of Signal Trend Analysis.[J].Jun Qiang Xing;Lei Chen;Qi Zhang;Yun Fei Ma.Advanced Materials Research.2012, 591

[9]

基于BP神经网络的短期电力负荷预测的研究 [D].

隋惠惠 .

哈尔滨工业大学,

2015

[10]

基于改进BP神经网络的电力负荷预测研究 [D].

方方 .

哈尔滨工业大学,

2011

← 1 →