基于EEMD-LSSVM的超短期负荷预测

摘要：

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。

关键词：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

分类号：TM715(输配电工程、电力网及电力系统)

资助基金：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

在线出版日期：2015-01-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：61-66