基于相似日与多模型融合的短期负荷预测

摘要：

为提高负荷预测精度,以相似日思想为基础,构建了一种基于相似日与多模型融合的短期负荷预测框架.首先,通过Pearson相关系数确定负荷的气象影响因素,并结合气象因素及负荷日期类型进行相似日选取,构造历史数据集;其次,采用互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)技术将历史数据集分解为不同频率下的固有模态函数(intrinsic mode function,IMF)分量;然后,采用长短期时序网络(long short term time-series network,LSTNet)及极限学习机(extreme learning machine,ELM)模型分别对高频及低频IMF分量进行预测,经过结果的融合得到最终的负荷预测结果;最后,经过实际电力负荷验证,所提出模型具有较高的负荷预测精度.

关键词：短期负荷预测、相似日、CEEMD、LSTNet、ELM

所属期刊栏目：47

分类号：TM715(输配电工程、电力网及电力系统)

在线出版日期：2023-06-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1961-1969