基于HHT和神经网络组合的负荷预测模型研究
首次提出了一种基于HHT和神经网络组合的预测模型.负荷数据首先经过EMO分解,得到一系列IMF分量及余项,通过各分量的频谱观察,针对低频IMF分量规律性及周期性强,高频分量相对较弱的特点,对低频IMF分量选择合适的预测模型直接进行预测,高频IMF采用多神经网络组合预测方法.仿真结果表明,文中提出的预测模型的精度高于任一单一模型,并且高于传统的线性组合预测模型.
HHT、频谱、神经网络组合预测模型、单一模型、线性组合预测
37
TM715(输配电工程、电力网及电力系统)
2008教育部新世纪优秀人才支持项目;教育部霍英东青年教师基金资助项目101060;四川省杰出青年基金项目07JQ0075
2009-11-27(万方平台首次上网日期,不代表论文的发表时间)
共5页
31-35