基于CEEMDAN的综合能源系统负荷预测研究

作者：黄世超; 郭永强; 龙本锦; 杜纤; 闫江峰

来源：智能计算机与应用, 2023, 13(01): 123-135.

• 负荷预测
• CEEMDAN
• 样本熵
• BP神经网络
• Transformer

针对综合能源系统多元负荷数据随机性强、单一算法难以得到精确预测结果的问题，提出一种基于自适应噪声的完全集成经验模态分解(CEEMDAN)-样本熵，以及BP神经网络(BPNN)与Transformer模型组合的短期综合能源多元负荷预测方法。首先利用自适应噪声的完全集成经验模态分解-样本熵，将多元负荷时间序列分解为多个复杂度差异明显的负荷子序列；然后分别使用BP神经网络和Transformer模型对复杂度低的子序列和复杂度高的子序列进行预测；最后将各子序列的预测结果叠加得到最终的预测值。通过对亚利桑那州立大学坦佩校区多元负荷数据进行建模预测，并与EEMD-GRU-MLR(EGM)等预测方法进行对比。结果表明，本文所提出的方法能有效提高负荷预测精度。

• 单位
  贵州大学