基于EEMD-SE和PSO-KELM的短期负荷区间预测方法

作者：**; 刘继春^*

来源：中国电力, 2021, 54(03): 132-140.

• 负荷预测
• 集合经验模态分解
• 核极限学习机
• 区间预测
• 负荷特性
• 参数优化

准确的短期负荷预测在电力系统中发挥着至关重要的作用。近年来,大量短期负荷预测研究表明,与点预测相比,负荷的区间预测可以更有效地保证电力系统的安全运行。因此,提出一种基于EEMDSE和PSO-KELM的短期负荷区间预测方法。首先,使用集合经验模态分解(EEMD)将原始负荷序列分解为一系列的子序列;然后,通过样本熵(SE)对各序列进行计算,量化序列的复杂程度,将SE值较小的序列进行重构;最后,通过粒子群(PSO)优化核极限学习机(KELM)的输出层权重,建立预测模型,并对各序列进行区间构造。采用南方某市不同季节的实际负荷数据对所提模型进行实验验证,仿真结果表明,与其他预测方法相比,所提方法在区间可靠性以及宽度上具有更好的效果。

• 单位
  四川大学