基于小波分解与二阶灰色神经网络模型结合ADF检验的短期负荷预测方法

摘要：

增强电力系统负荷预测的精度可以提高经济预测的准确性,但是由于负荷序列为波动的,故难以实现精准预测.该文提出了一种基于小波分解(WD)与二阶灰色神经网络相结合用以增强迪基-富勒(ADF)检验的负荷预测方法以实现对负荷的精准预测.首先,利用WD对负载序列进行分解,减少非平稳负载序列;然后,采用ADF检验作为各分解分量静载序列的检验方法,检验结果确定最佳WD水平;最后,为了准确预测小波,利用二阶灰色预测模型分别对WD后各分量进行预测.此外,为了得到二阶灰色预测模型的最优参数,采用神经网络映射法建立了二阶灰色神经网络预测模型,通过一个真实负荷序列的仿真结果证明所提方法能显著提高负荷预测精度.

关键词：负荷预测;ADF检验;小波分解;二阶灰色神经网络;神经网络映射

所属期刊栏目：43

分类号：TM715(输配电工程、电力网及电力系统)

资助基金：国网黑龙江省电力有限公司科技项目52243719000T

在线出版日期：2022-03-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：476-481,541