基于CEEMDAN-SE和DBN南网发电侧燃料量预测研究

作者：卢伟辉; 赵玉柱; 李鹏; 刘兴辉; 张中林

来源：南京工程学院学报(自然科学版), 2022, 20(02): 79-84.

DOI：10.13960/j.issn.1672-2558.2022.02.014

• 燃料
• 管理
• CEEMDAN
• 样本熵
• 预测

基于发电侧燃料量大数据建立南方电网发电侧燃料量预测模型.为提高预测精度，提出一种基于噪声自适应完全集合经验模态分解-样本熵(CEEMDAN-SE)和深度信念网络的发电侧煤电燃料量预测模型.利用CEEMDAN-SE方法，将原始燃料量信号序列分解为多个特征互异的子序列，计算各个子序列的样本熵值，根据熵值将子序列重组简化，提高预测精度、减小计算规模；重组后的序列分别构建深度信念网络预测模型，叠加得到最终预测模型.利用该预测模型对南方电网2020年发电侧煤电燃料量数据进行预测，通过与实际值比较，表明该组合预测模型具有较高的预测精度，为预测发电侧燃煤库存提供了有效手段，进一步提高了电网安全性.

• 单位
  南京华盾电力信息安全测评有限公司; 中国南方电网有限责任公司; 南京工程学院