基于BA-VMD-LSSVM的超短期电力负荷预测

摘要：

超短期电力负荷具有随机性强、波动性大等特点,使得对其进行高精度的预测比较困难.文中提出基于全局参数优化的超短期负荷预测模型.在训练阶段,建立平均绝对百分比误差(MAPE)作为蝙蝠算法(BA)的目标函数,以优化变分模态分解(VMD)、最小二乘支持向量机(LSSVM)及输入数据点数.在测试阶段,应用设置最优参数的VMD分解负荷数据,并使用LSSVM处理各分量,以完成对电力负荷的高精度预测.数据分析结果表明,使用BA对VMD、LSSVM和输入数据点数进行全局优化能够有效地提高超短期电力负荷的预测精度.

关键词：超短期负荷预测、变分模态分解、最小二乘支持向量机、蝙蝠算法

分类号：TM715(输配电工程、电力网及电力系统)

在线出版日期：2023-10-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：104-106