基于奇异谱分析与神经网络的中期负荷预测

针对非平稳、非线性中期负荷序列分解预测的精度问题,提出了基于奇异谱分析与神经网络的中期负荷分解预测方法。考虑中期负荷长期趋势性与季节性周期波动性特点,在中期负荷序列趋势提取的基础上,利用频谱分析确定序列主要周期成分并引入奇异谱分析方法对序列主要周期成分进行滤波分解,对分解所得的各子序列构建神经网络模型进行预测,各子序列预测结果叠加作为最终的电量预测值。结合某地历史数据,将所提算法与经验模态分解/神经网络方法、传统滤波/神经网络方法预测结果进行对比,结果表明该方法在进行中期电量预测时能够获得更为平稳的、精度较高的预测结果。