基于CEEMD-FE和AOA-LSSVM的短期电力负荷预测

摘要：

针对电力负荷预测精度不高、效率低的问题,采用算术优化算法(AOA)和最小二乘支持向量机(LSSVM)的模型对经过互补集合经验模态分解(CEEMD)和模糊熵(FE)综合处理后的子序列进行预测,构建了CEEMD-FE-AOA-LSSVM预测模型.首先,利用FE算法对经过CEEMD处理后的各子序列进行熵值重组,该过程提高了模型的抗干扰能力和运算效率.然后,用AOA-LSSVM模型对处理后的子序列进行预测,并将预测叠加输出.最后,通过误差函数对模型进行横向对比和纵向对比,利用两种对比结果来检验其性能.通过实验可知,与CEEMD-LSSVM、AOA-LSSVM、CEEMD-AOA-LSSVM等其他模型相比,CEEMD-FE-AOA-LSSVM组合模型能够兼顾到预测精度与预测效率两方面,做到了综合性能的提升.同时也验证了经过CEEMD或AOA处理的模型能够有效地提升预测精度.

关键词：算术优化算法、最小二乘支持向量机、组合模型、短期负荷预测

所属期刊栏目：50

分类号：TM715;TP183;TP391

资助基金：国家自然科学基金;天津市自然科学基金

在线出版日期：2022-07-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：126-133