基于频域分解的短期负荷预测研究分析

摘要：

为研究频域分量预测法对短期负荷预测精度的影响,利用频域分解算法分解原始负荷数据,将数据分解为4个部分:日周期、周周期、低频和高频分量.其中,日周期、周周期分量用Elman神经网络预测;低频分量采用随机森林预测;高频分量则使用Mallat算法二次分解,分别得到低频部分和高频部分,选取低频部分做训练样本与Elman神经网络结合预测高频分量;将各个频域分量结果重组,实现电力负荷的高精度预测.以某地市实际负荷数据为例进行仿真,将该方法与Elman神经网络法、随机森林法及频域分量预测法的预测结果对比,验证所提方法可以有效提高精度,减少预测值和真实值的离散程度.

关键词：负荷预测、频域分解、Elman神经网络、随机森林、Mallat算法

所属期刊栏目：53

资助基金：国家重点研发计划资助项目;国家自然科学基金资助项目;安徽大学2015博士科研启动项目

在线出版日期：2020-04-24（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：114-121