基于HHT的短期電力負荷預測研究.pdf

1、短期電力負荷預測對電力系統(tǒng)的經濟調度、實時控制、運行計劃和發(fā)展規(guī)劃等有重要的意義，有利于提高發(fā)電設備的利用率和經濟調度的有效性。隨著電力工業(yè)的重要性的提高，以及電力市場改革的深入和競爭機制的引入，短期負荷預測的精度得到了越來越多的關注。
　　Hilbert-Huang變換(Hilbert-HuangTransform，HHT)適合處理非線性、非平穩(wěn)信號，能夠得到信號的時頻分布特征，具有完全的自適應性。在電力系統(tǒng)領域中，HHT已經廣

2、泛應用于電能質量檢測、諧波分析等方面，并取得了很好地效果。
　　本文首先介紹了電力系統(tǒng)各主要用戶的用電特點、影響短期電力負荷的主要因素和常用的預測誤差分析統(tǒng)計指標，并對人工神經網(wǎng)絡、最小二乘支持向量機等方法進行了深入分析。針對HHT算法中存在的端點效應的問題，本文采用BP神經網(wǎng)絡延拓法來抑制。在進行負荷預測之前，首先對原始負荷數(shù)據(jù)進行預處理，并對溫度、天氣類型、日期類型進行量化處理，然后通過經驗模態(tài)分解(EmpiricalMode

3、Decomposition，EMD)，將負荷序列分解成不同頻率的固有模態(tài)函數(shù)(IntrinsicModeFunction，IMF)，然后進行Hilbert變換(HilbertTransform)，得到各IMF分量的平均瞬時頻率，根據(jù)各IMF的特點選取不同的預測模型，最后將各IMF的預測結果疊加，得到最終的預測值。本文以安徽省合肥市2012年的實際負荷數(shù)據(jù)作為樣本集進行建模和預測，以平均絕對百分誤差和關聯(lián)度作為評價指標。為了驗證基于BP神