基于经验模式分解和最小二乘支持向量机的短期负荷预测

基于经验模式分解和最小二乘支持向量机的短期负荷预测

ID:36779408

大小:226.54 KB

页数:4页

时间:2019-05-15

基于经验模式分解和最小二乘支持向量机的短期负荷预测_第1页
基于经验模式分解和最小二乘支持向量机的短期负荷预测_第2页
基于经验模式分解和最小二乘支持向量机的短期负荷预测_第3页
基于经验模式分解和最小二乘支持向量机的短期负荷预测_第4页
资源描述:

《基于经验模式分解和最小二乘支持向量机的短期负荷预测》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、维普资讯http://www.cqvip.com第35卷第8期继电器Vbl_35NO.82007年4月l6日RELAYApr.16,2007基于经验模式分解和最d',-乘支持向量机的短期负荷预测祝志慧,孙云莲,季宇(武汉大学电气工程学院,湖北武汉430072)摘要:电力负荷是具有一定的周期性和随机性的非平稳时间序列,传统的预测方法是建立在负荷是平稳序列的前提下,难以精确的预测。为了进行有效的预测,提高预测精度,提出将经验模式分解EMD(Empirica1ModeDecomposition)和最小二乘支持向量机Ls—SVM(L

2、eastSquareSupportVectorMachifie)相结合对短期负荷进行预测。首先,运用EMD将负荷序列自适应地分解成一系列不同尺度的本征模式分量IMF(intrinsiCmodefunction),分解后的分量突出了原负荷的局部特征,能更明显地看出原负荷序列的周期项、随机项和趋势项;然后,根据各个IMF的变化规律,采用合适的核函数和超参数构造不同的LS—SVM进行预测,最后对各分量的预测值进行相加得到最终的预测值。仿真试验表明,此方法具有较高的精度和较强的推广能力。关键词:经验模式分解;最小二乘支持向量机;负荷

3、预测Short-termloadforecastingbasedonempiricalmodedecompositionandleastsquaresupportvectormachineZHUZhi_hui,SUNYun—lian,JIYU(SchoolofElectricalEngineering,WuhanUniversity,Wuhan430072,China)Abstract"ThepowerloadiSinherentlynon—stationarytimeseriesSOthatitisdificulttoco

4、nstructthemodelofaccurateforecast.Inordertoimproveforecastprecision,ahybridforecastingmethodbasedonEmpiricalModeDecomposition(EMD)andLeastSquareSupportVectorMachine(LS—SVM)ispresentedinthispaper.Firstly,thepowerloadseriesisadaptivelydecomposedintoaseriesofstationar

5、yintrinsicmodefunctions(IMF1indiferentscalespace.ThelOCalfeaturesoforiginalloadseriesareprominentintheIMFSOthatitismoreobvioustoobservethecycle.randomandtrendpartsoftheoriginalloadsequence.Secondly,accordingtothechangeregulationofeachIMFtherightparameterandkemelfun

6、ctionsarechosentobuilddiferentLS—SVMrespectivelytoforecasteachIMEFinally,theseforecastingresultsofeachIMFarecombinedtoobtainfinalforecastingresult.Thesimulationresultsshowthatthehybridmethodhasfasterspeed,higherprecisionandgreatergeneralizationabilitythanthatofthes

7、ingleLS.SVMmethodandthatoftheBPneuralnetworkmethod,whichprovesthatitisaneffectivemethod.Keywords:empiricalmodedecomposition;leastsquaresupportvectormachine;loadforecasting中图分类号:TM715文献标识码:A文章编号:1003—4897(2007)08.0037.04的负荷时间序列。文献[6,7]提出将小波变换和神经0引言网络相结合对负荷进行预测,预测精度有

8、所提高。短期负荷预测是能量管理系统EMS的一个重但是小波变换的有效性取决于的小波基的选择,不要组成部分,现有的负荷预测方法主要有回归分析能保证信号的最优分解。经验模式分解EMD法⋯、时间序列法、人工神经网络法,其中神(EmpiricalModeDecomposition)是一种处理非经网络

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。