基于相似日与多模型融合的短期负荷预测 |
| |
引用本文: | 张大海,孙锴,和敬涵.基于相似日与多模型融合的短期负荷预测[J].电网技术,2023(5):1961-1970. |
| |
作者姓名: | 张大海 孙锴 和敬涵 |
| |
作者单位: | 北京交通大学电气工程学院 |
| |
摘 要: | 为提高负荷预测精度,以相似日思想为基础,构建了一种基于相似日与多模型融合的短期负荷预测框架。首先,通过Pearson相关系数确定负荷的气象影响因素,并结合气象因素及负荷日期类型进行相似日选取,构造历史数据集;其次,采用互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)技术将历史数据集分解为不同频率下的固有模态函数(intrinsic mode function,IMF)分量;然后,采用长短期时序网络(long short term time-series network,LSTNet)及极限学习机(extreme learning machine,ELM)模型分别对高频及低频IMF分量进行预测,经过结果的融合得到最终的负荷预测结果;最后,经过实际电力负荷验证,所提出模型具有较高的负荷预测精度。
|
关 键 词: | 短期负荷预测 相似日 CEEMD LSTNet ELM |
|
|