基于數(shù)據(jù)分解和ESN網(wǎng)絡的短期電力負荷預測模型.pdf

1、電力負荷預測精度的好壞直接關系著電力系統(tǒng)的穩(wěn)定性，也和社會、人民生活的正常有序進行息息相關。尤其是短期電力負荷，關系著電力系統(tǒng)的日調(diào)度和生產(chǎn)計劃工作。準確的短期負荷預測能夠降低發(fā)電成本，節(jié)約資源，也是電力系統(tǒng)實現(xiàn)自動化管理不可或缺的。因此高精度的預測模型意義重大。
　　本文對短期電力負荷的特性進行了分析后，提出了基于數(shù)據(jù)分解和回聲狀態(tài)網(wǎng)絡（ESN）相結(jié)合的預測模型。根據(jù)電力負荷的特性，用合適的分解方法對負荷數(shù)據(jù)進行分解，挖掘出數(shù)據(jù)

2、本身固有的內(nèi)在規(guī)律特征。再針對不同的分解量分別建立ESN網(wǎng)絡，用相應的樣本訓練對應的ESN網(wǎng)絡，并用訓練好的網(wǎng)絡對分量分別預測，最后累加所有分量的預測值得到最后的負荷預測值。
　　論文首先考慮了相似日對短期負荷的影響，用模糊方法進行相似日的選取，使得訓練樣本更加有針對性，對預測將更加有效。接著，將數(shù)據(jù)分解到不同時間尺度上，對每一個分解量分別進行分析和預測能更準確的挖掘電力負荷數(shù)據(jù)本身具有的特性和規(guī)律。最后用一種新型的遞歸神經(jīng)網(wǎng)絡—

3、—ESN網(wǎng)絡對每一個分量進行預測，可以避免傳統(tǒng)的神經(jīng)網(wǎng)絡訓練學習過程復雜、容易陷入局部極值等問題。本文在進行數(shù)據(jù)分解時用了三種分解方法：經(jīng)驗模態(tài)分解（EMD），平均經(jīng)驗模態(tài)分解（EEMD），改進的局部均值分解（ILMD），對每一個分解的結(jié)果進行了分析對比。最后用三種分解方法分別和回聲狀態(tài)網(wǎng)絡結(jié)合對電力負荷進行預測，對結(jié)果進行了對比和分析。
　　由仿真結(jié)果可知：對負荷進行分解后再預測，其效果優(yōu)于不分解直接進行預測；在三種分解方法與E