基于互补型集成经验模态分解-模糊熵和回声状态网络的短期电力负荷预测

被引：7

作者：

李青 ^{[1
]}

李军 ^{[1
]}

马昊 ^{[2
]}

机构：

[1] 兰州交通大学自动化与电气工程学院

[2] 宁夏东部热电股份有限公司

来源：

计算机应用 | 2014年 / 34卷 / 12期

关键词：

集成经验模态分解; 回声状态网络; 组合模型; 负荷预测;

D O I：

暂无

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 ;

摘要：

为了提高短期电力负荷预测的精度,提出一种噪声互补型集成经验模态分解(CEEMD)-模糊熵和泄漏积分型ESN(Li ESN)的组合预测方法。为降低对负荷序列进行局部分析的计算规模以及提高负荷预测的准确性,首先采用CEEMD-模糊熵将负荷时间序列分解为具有明显复杂度差异的负荷子序列;然后,通过对各子序列进行特性分析,分别构建相应的子Li ESN预测模型;最后将各子序列的预测结果叠加得到最终预测值。将CEEMD-模糊熵结合Li ESN的组合预测方法应用于美国新英格兰地区短期电力负荷实例中,仿真结果表明,所提出的组合预测方法具有很高的预测精度。

引用

页码：3651 / 3655+3659 +3659

页数：6

共 14 条

[1] 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 [J].

张金良 ;

谭忠富 .

电网技术, 2011, 35 (09) :181-187

[2] 电力系统短期负荷预测方法综述 [J].

廖旎焕 ;

胡智宏 ;

马莹莹 ;

卢王允 .

电力系统保护与控制, 2011, 39 (01) :147-152

[3] 基于改进粒子群-模糊神经网络的短期电力负荷预测 [J].

师彪 ;

李郁侠 ;

于新花 ;

闫旺 .

系统工程理论与实践, 2010, 30 (01) :157-166

[4]

Multi-step forecasting for wind speed using a modified EMD-based artificial neural network model[J] . Zhenhai Guo,Weigang Zhao,Haiyan Lu,Jianzhou Wang. &nbspRenewable Energy . 2011 (1)

[5] 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].

王贺 ;

胡志坚 ;

陈珍 ;

仉梦林 ;

贺建波 ;

李晨 .

电工技术学报, 2013, 28 (09) :137-144

[6]

Power load forecasting using support vector machine and ant colony optimization[J] . Dongxiao Niu,Yongli Wang,Desheng Dash Wu. &nbspExpert Systems With Applications . 2009 (3)

[7]

A new approach for crude oil price analysis based on Empirical Mode Decomposition[J] . Xun Zhang,K.K. Lai,Shou-Yang Wang. &nbspEnergy Economics . 2007 (3)

[8] Optimization and applications of echo state networks with leaky-integrator neurons [J].

Jaegera, Herbert ;

Lukosevicius, Mantas ;

Popovici, Dan ;

Siewert, Udo .

NEURAL NETWORKS, 2007, 20 (03) :335-352

[9]

ENSEMBLE EMPIRICAL MODE DECOMPOSITION: A NOISE-ASSISTED DATA ANALYSIS METHOD. ZHAOHUA WU,NORDEN E. HUANG. Advances in Adaptive Data Analysis . 2009

[10]

COMPLEMENTARY ENSEMBLE EMPIRICAL MODE DECOMPOSITION: A NOVEL NOISE ENHANCED DATA ANALYSIS METHOD. JIA-RONG YEH,JIANN-SHING SHIEH,NORDEN E. HUANG. Advances in Adaptive Data Analysis . 2010

← 1 2 →