首页|基于频域分解的短期负荷预测研究分析

基于频域分解的短期负荷预测研究分析

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
为研究频域分量预测法对短期负荷预测精度的影响,利用频域分解算法分解原始负荷数据,将数据分解为4个部分:日周期、周周期、低频和高频分量.其中,日周期、周周期分量用Elman神经网络预测;低频分量采用随机森林预测;高频分量则使用Mallat算法二次分解,分别得到低频部分和高频部分,选取低频部分做训练样本与Elman神经网络结合预测高频分量;将各个频域分量结果重组,实现电力负荷的高精度预测.以某地市实际负荷数据为例进行仿真,将该方法与Elman神经网络法、随机森林法及频域分量预测法的预测结果对比,验证所提方法可以有效提高精度,减少预测值和真实值的离散程度.
Research and Analysis of Short-term Load Forecasting Based on Frequency Domain Decomposition

马愿、张倩、李国丽、马金辉、丁津津

展开 >

工业节能与电能质量控制协同创新中心(安徽大学电气工程与自动化学院),安徽合肥 230601

国网安徽省电力有限公司,安徽合肥 230073

国网安徽省电力有限公司电力科学研究院,安徽合肥 230022

负荷预测 频域分解 Elman神经网络 随机森林 Mallat算法

国家重点研发计划资助项目国家自然科学基金资助项目安徽大学2015博士科研启动项目

2016YFB090040051507001J01001929

2020

中国电力
国网能源研究院 中国电机工程学会

中国电力

CSTPCDCSCD北大核心
影响因子：1.463
ISSN：1004-9649
年,卷(期)：2020.53(4)
  • 12
  • 16