基于EMD-MLP组合模型的用电负荷日前预测

[目的]用电负荷的精准预测是电力系统运行优化的基础，是电力系统能量管理中不可或缺的组成部分。针对传统数据分解技术与机器学习模型结合预测存在的精准度低、计算量大等问题，提出一种将经验模态分解与多层感知机结合（EMD-MLP）的新方法对用电负荷进行日前预测。[方法]首先基于EMD将原始负荷时间序列信号分解为多个本征模函数（Intrinsic Mode Function,IMF）分量，然后采用极值点划分法将多IMF分量进行重构形成高频和低频两个成分以精简预测对象，最后对重构的新分量分别建模预测，并将它们的预测结果叠加作为用电负荷预测值。[结果]采用澳大利亚电力市场2018年、2019年的实测用电负荷数据进行试验。[结论]将建立的EMD-MLP组合模型与持续性模型、单一MLP模型以及传统EMD组合模型进行外推预测效果的对比，验证了所建模型在提高预测精度上的有效性。此外，所提出的EMD-MLP组合新方法在保证精度的同时简化了模型复杂度，提高了预测效率，可以方便地应用于实际中的用电负荷日前与实时预测。