基于经验模态分解和计量经济学模型及混沌模型的短期负荷预测

为提高短期电力负荷的预测精度,提出一种基于经验模态分解、计量经济学模型和神经网络混沌模型的组合预测方法。首先,利用经验模态分解将负荷序列分解成一系列本征模态函数及余项;其次,针对不同分量的特性,建立不同的模型进行预测;最后,将所有分量的预测值求和作为最终的预测结果。以美国宾夕法尼亚州–新泽西州–马里兰州(Pennsylvania-New Jersey-Maryland,PJM)电力市场为实例,验证了普通日负荷和特殊日负荷的预测效果,此外,将该方法与其他预测方法进行了比较,算例表明,该方法具有较高的预测精度。