基于VMD-IPSO-LSSVM的短期电力负荷预测研究 |
| |
引用本文: | 陆磊,张铭飞,朱浩钰.基于VMD-IPSO-LSSVM的短期电力负荷预测研究[J].电工技术,2022(24):175-178. |
| |
作者姓名: | 陆磊 张铭飞 朱浩钰 |
| |
作者单位: | 华北水利水电大学电力学院;国网常德供电公司;菏泽黄河河务局供水局 |
| |
摘 要: | 针对不规律的、波动性大的复杂原始负荷数据导致预测精度不高等问题,设计了一种使用变分模态分解 (VMD)与改进粒子群算法 (IPSO)来优化最小二乘支持向量机 (LSSVM)的短期负荷预测模型.针对原始负荷数据存在的波动性大等缺陷,首先使用 VMD法将其分解为多个各异的模态分量,然后将分解后的各组数据分别输入改进的动态自适应惯性权重粒子群算法优化后的 LSSVM模型,最后将得到的多个各异的模态分量分别经模型预测出的结果进行相加得到最后取得的预测结果.经江苏省某市真实负荷数据仿真,验证了该预测模型的有效性及优越性.
|
关 键 词: | 短期电力负荷预测 变分模态分解 改进粒子群算法 最小二乘支持向量机 预测精度 |
|
| 点击此处可从《电工技术》浏览原始摘要信息 |
|
点击此处可从《电工技术》下载全文 |
|