数学的实践与认识
數學的實踐與認識
수학적실천여인식
MATHEMATICS IN PRACTICE AND THEORY
2012年
8期
151-158
,共8页
朱祥和%王子琦%李严%刘轶
硃祥和%王子琦%李嚴%劉軼
주상화%왕자기%리엄%류질
短期负荷预测%总体平均经验模态分解%最小二乘支持向量机%BP神经网络
短期負荷預測%總體平均經驗模態分解%最小二乘支持嚮量機%BP神經網絡
단기부하예측%총체평균경험모태분해%최소이승지지향량궤%BP신경망락
提出了基于总体平均经验模态分解(EEMD)、最小二乘支持向量机(LS-SVM)和BP神经网络的实用综合短期负荷预测方法,进行电力系统短期负荷预测.首先运用EEMD方法将非平稳的负荷序列分解,然后根据分解后各分量的特点选用最佳的核函数,利用最小二乘支持向量机分别对各分量进行预测,最后对各分量预测结果采用BP神经网络重构得到最终的预测结果.对实测数据的分析表明基于该综合方法的电力系统短期负荷预测具有较高的精度.
提齣瞭基于總體平均經驗模態分解(EEMD)、最小二乘支持嚮量機(LS-SVM)和BP神經網絡的實用綜閤短期負荷預測方法,進行電力繫統短期負荷預測.首先運用EEMD方法將非平穩的負荷序列分解,然後根據分解後各分量的特點選用最佳的覈函數,利用最小二乘支持嚮量機分彆對各分量進行預測,最後對各分量預測結果採用BP神經網絡重構得到最終的預測結果.對實測數據的分析錶明基于該綜閤方法的電力繫統短期負荷預測具有較高的精度.
제출료기우총체평균경험모태분해(EEMD)、최소이승지지향량궤(LS-SVM)화BP신경망락적실용종합단기부하예측방법,진행전력계통단기부하예측.수선운용EEMD방법장비평은적부하서렬분해,연후근거분해후각분량적특점선용최가적핵함수,이용최소이승지지향량궤분별대각분량진행예측,최후대각분량예측결과채용BP신경망락중구득도최종적예측결과.대실측수거적분석표명기우해종합방법적전력계통단기부하예측구유교고적정도.
