基于EMD和相关向量机的短期负荷预测

《基于EMD和相关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、万方数据第23卷第1期2011年2月电力系统及其自动化学报ProceedingsoftheCSU—EPSAV01．23No．1Feb．201I基于EMD和相关向量机的短期负荷预测孙志刚1，翟玮星2，李伟伦1，卫志农2(1．南通供电公司，南通226006；2．河海大学能源与电气学院，南京210098)摘要：为提高电力负荷预测的准确性，提出一种基于经验模态分解EMD(empiricalmodedecomposition)与相关向量机RVM(relevantvectormachine)的短期负荷预测方法。该方法利用EMD将目标负荷序列分解为若干个不同频率的固有模态分量IMF(intrinsicmod

2、efunction)，通过分析各个分量的特征规律，构造不同的RVM模型对各分量分别进行预测，再将各分量预测值通过RVM组合得到最终预测值。仿真结果表明，通过EMD分解，预测效果有显著改善，而RVM模型较之BP神经网络模型与SVM模型具有更高的预测精度。关键词：经验模态分解；相关向量机；固有模态分量；短期负荷预测中图分类号：TM715文献标志码：A文章编号：1003—8930(2011)01-0092—06Short—TermLoadForecastingBasedonEMDandRVMSUNZhi—gan91，ZHAIWei—xin92，LIWei—lunl，WEIZhi—non92(1．Na

3、ntongPowerSupplyCompany，Nantong226006，China,2．SchoolofEnergyandElectrical，HohaiUniversity，Nanjing210098，China)Abstract：InordertOimprovetheaccuracyofpowersystemloadforecasting，aloadforecastingmodelbasedOnempiricalmodedecomposition(EMD)andrelevantvectormachine(RVM)isproposed．UsingtheEMD，thismethoddeco

4、mposedthetargetloadsequenceintoanumberofdifferentfrequencycomponentsoftheintrinsicmodefunction(IMF)．Byanalyzingthecharacteristicsofvariouscomponentsofthelaw，differentmodelstoforecasteachcomponentseparatelywereconsturctedusingRVM，andthentheseforecastingresultsofeachIMFarecombinedwithRVMtOobtainfinalf

5、orecastingresult．ThesimulationresultsshowthatthepredictivevaliditybasedondecompositionbyEMDhasbeenimprovedsignificantly，andRVMmethodhashigherpreci—sionandgreatergeneralizationabilitythanSVMmethodandtheBPneuralnetworkmethod．Keywords：empiricalmodedecomposition(EMD)；relevantvectormachine(RVM)；intrinsic

6、modefunction(IMF)；short-termloadforecasting电力负荷预测是电力系统调度、用电、计划、规划等管理部门的重要工作之一[1]。短期负荷预测是负荷预测的重要组成部分，它对于机组最优组合、经济调度、最优潮流、电力市场交易等都有着重要的意义。负荷预测精度越高，越有利于提高发电设备的利用率和经济调度的有效性[2]。短期负荷预测的研究已有很长历史，国内外的许多专家、学者在预测理论和方法方面作了大量的研究工作，取得了卓有成效的进展[2]。现有的预测方法主要有时间序列法‘引、人工神经网络法[4]、支持向量机法嘲及小波分析法曲]等。而其中的小波收稿日期：2010—04—15

7、；修回日期：2010—08—30分析法是通过小波变换，将负荷分解到不同的尺度频率分量上，然后根据各个尺度上负荷波动的方式，选用不同的预测方法进行预测。由于小波变换的变尺度分析能力及对局部时间区间信息的“显微”能力，使其在负荷预测及电力系统其他方面的研究中都有广泛的应用。但是小波变换本质上是窗口可调的傅里叶变换，它并没有摆脱傅里叶分析的局限，不能用于处理非线性问题，且在计算过程中需要人为地选择小波基