基于VMD-IWOA-LSSVM的短期负荷预测

作者：高金兰; 王天

来源：吉林大学学报(信息科学版), 2021, 39(04): 430-438.

DOI：10.19292/j.cnki.jdxxp.2021.04.007

• 变分模态分解
• 最小二乘支持向量机
• 改进鲸鱼算法
• 邻域延伸搜索策略
• 种群变异策略
• 负荷预测

为提高负荷预测结果的精度,设计了一种基于VMD-IWOA-LSSVM(Variational Mode Decomposition-Improved Whale Optimization Algorithm-Least Square Support Vector Machine)短期负荷预测模型。先通过变分模态算法将原始负荷数据分解成多个子序列,将分解数据分别输入到经由种群变异策略和邻域搜索延伸策略改进的鲸鱼优化算法优化后的最小二乘支持向量机中,每个子序列的预测结果进行相加,即可得到最终的预测结果。通过仿真对比实验, 4月1日和8月1日VMD-WOA-LSSVM的平均绝对百分比误差(MAPE:Mean Absolute Percentage Error)与VMD-WOA-LSSVM相比,分别下降了0.17和0.33,证明了VMD-IWOA-LSSVM短期负荷预测模型可以有效改善电力负荷预测的准确性。

• 单位
  东北石油大学