基于ICEEMDAN的钢铁行业负荷预测方法

针对钢铁行业负荷预测精度不高的问题，提出了基于ICEEMDAN（改进的自适应噪声完备集合经验模态分解）的钢铁行业负荷预测方法。首先，通过ICEEMDAN将钢铁行业电力负荷分解为高、低频模态分量。其次，基于GA（遗传）算法筛选出高、低频分量的主要影响因素，并采用PSO-BP（粒子群优化-反向传播神网络）算法分别构建高、低频分量预测模型。最后，将各组分量的预测结果迭代重组，得到最终的负荷预测结果。算例分析结果表明，相较于其他预测方法，该方法的预测误差小，精度较高。