科研之友
微信
新浪微博
Facebook
分享链接
摘要
准确的负荷预测在电力调度、系统可靠性和规划中起着关键作用。针对各种不确定因素造成了电力需求的波动，本文提出了一种基于EEMD-CatBoost的短期负荷预测方法。模型利用集合经验模态分解（EEMD）对非平稳原始序列进行处理，将原始电力负荷数据分解为有限个固有模态函数（Intrinsic Mode Functions,IMF）和一个残差分量，以降低负荷序列的复杂度，再将分解后的各分量分别输入到CatBoost中预测，然后将每个分量的预测值重组，得到最终的负荷预测结果。以某地的实际数据为例，综合比较了该方法与现有电力负荷短期预测技术的性能。与现有基准相比，所提出的方法得到了相当精确的结果。
- 单位
