|
|||||
|
|
| 基于EMD-TCN-ELM的短期电力负荷预测 | |
| 作者姓名： | 李飞宏 肖迎群 |
| 作者单位： | 贵州大学 电气工程学院, 贵阳 550025;贵州理工学院 大数据学院, 贵阳 550003 |
| 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 |
| 收稿时间： | 2022-02-22 |
| 修稿时间： | 2022-03-23 |
| 点击此处可从《计算机系统应用》浏览原始摘要信息 | |
| 点击此处可从《计算机系统应用》下载免费的PDF全文 | |