采用極限學習機和經(jīng)驗模式分解組合的短期負荷預測研究.pdf

1、電力負荷預測問題一直是電力系統(tǒng)調度、運行和規(guī)劃的重要研究內容，電力負荷預測方法各有特點，針對不同的氣象條件、負荷基礎、負荷發(fā)展階段等的負荷預測方法更是理論及工程的迫切需求。本文將極限學習機以及經(jīng)驗模式與極限學習機組合的兩種方法應用于電力系統(tǒng)短期負荷預測中，并對湖南某市的實際負荷進行預測。
　　 分析負荷變化的周期性、連續(xù)性和波動性等典型特點是負荷預測的前提和基礎，其中周期性變化規(guī)律主要體現(xiàn)為年周期性、周周期性和日周期性等，且受到

2、多種因素的影響。影響負荷變化的因素中，氣象因素和日期類型對短期負荷的影響尤為明顯。根據(jù)影響因素的不同，負荷可以由典型負荷分量，氣象敏感負荷分量，異?；蛱厥馐录摵煞至亢碗S機負荷分量構成。為了使樣本數(shù)據(jù)符合計算要求，剔除壞數(shù)據(jù)以及冗余數(shù)據(jù)的干擾，防止計算溢出，同時提高負荷預測的精度需對樣本數(shù)據(jù)進行預處理。
　　 極限學習機是一種新型的單隱層前饋神經(jīng)網(wǎng)絡，將其引入電力系統(tǒng)，并利用其預測功能應用到短期負荷預測中。分析與研究極限學習機算

3、法原理以及其學習訓練方法，其具有結構簡單、學習速度快、泛化性能良好、全局最優(yōu)等特點，能快速、準確地預測負荷值。以湖南C市為仿真算例，結果表明在于短期負荷預測的預測精度和運算時間方面，極限學習機較BP神經(jīng)網(wǎng)絡方法具有其獨特的優(yōu)勢。
　　 氣象、日期等負荷的影響因素主要影響典氣象敏感負荷分量以及型負荷分量中的周期分量，相關性較高，而對典型負荷分量中趨勢分量的相關性相對較小。為準確反映氣象、日期與氣象敏感負荷分量以及典型分量中周期分量