基于EEMD-LSSVM的超短期负荷预测
针对传统的最小二乘支持向量机(LSSVM)参数不易确定且单一预测模型精度不高的问题,提出了一种基于集合经验模态分解(EEMD)与LSSVM的组合预测模型。首先利用EEMD将历史数据分解成一系列相对比较平稳的分量序列,再对各子序列分别建立合适的预测模型。进一步通过贝叶斯证据框架来优化LSSVM的参数,用贝叶斯推理确定模型参数、正规化超参数和核参数。然后将各子序列预测结果进行叠加得到最终预测值。最后,将该预测模型用于某一家庭超短期负荷预测中,仿真结果表明,该模型取得了比单一模型更好的预测效果。
超短期负荷预测、集合经验模态分解、最小二乘支持向量机、贝叶斯框架、时间序列
TM715(输配电工程、电力网及电力系统)
河南省科技攻关项目142102210048;河南省高校科技创新人才支持计划项目2008HASTIT022
2015-01-28(万方平台首次上网日期,不代表论文的发表时间)
共6页
61-66