基于EMD-TCN-ELM的短期电力负荷预测

摘要：

为降低负荷序列的复杂性,利用EMD分解方法得到不同的分量.为降低训练时间和减小分量逐个预测所带来的累计误差,利用分量过零率大小将分量重构为高频分量和低频分量,利用TCN模型预测负荷的高频分量,利用极限学习机ELM预测负荷低频分量.通过实验将所提模型EMD-TCN-ELM分别与3个单模型TCN、ELM、LSTM和3个混合模型EMD-TCN、EMD-ELM、EMD-LSTM比较,其MAPE分别降低0.538％,1.866％,1.191％,0.026％,1.559％,0.323％,所提模型的预测精度最高.且所提模型在预测精度前3的模型中训练时间最短,验证了所提模型在负荷预测精度和训练时间方面的优越性.

关键词：负荷预测、经验模态分解、时序卷积网络、极限学习机、电力系统

所属期刊栏目：31

分类号：TM715;TP183;TP391

在线出版日期：2022-11-16（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：223-229