基于EMD与GA-BP神经网络的短期负荷预测

为了提高具有随机性和复杂性的电力负荷预测精度,提出了一种基于EMD与GA-BP神经网络的短期负荷预测。该方法利用EMD的优点,将原始电力负荷序列分解为若干个IMF分量和余项。针对BP神经网络训练时间长,且容易陷入局部最小的缺点,利用遗传算法优化了BP神经网络,替代了传统的BP算法。最后通过分析各个分量的自身特点,分别构建不同的BP神经网络模型,对各分量分别进行预测,相加各分量预测值,得到了最终预测结果。实例验证表明,与EMD-BP预测方法相比,该方法具有较高的负荷预测精度和较强的适应能力。