基于CEEMDAN与量子粒子支持向量机的电力负荷组合预测.pdf

第54卷 第1期 电测与仪表 V0】．54NO．1 2017年 1月1O日 ElectricalMeasurement Instrumentation Jan．10。2017 基于CEEMDAN与量子粒子支持向量机的电力负荷组合预测术 贾逸伦，龚庆武，李俊雄，占劲松 (武汉大学 电气工程学院，武汉430072) 摘要：为更精确地对电力系统负荷进行预测，提出一种基于添加 自适应白噪声的完全集合经验模态分解与量子 粒子支持向量机的组合预测方法。首先针对原始经验模态分解办法中存在的模态混叠及集合经验模态分解方 法引入 白噪声造成信号失真等问题，提出添加 自适应白噪声的完全集合经验模态分解方法，并用其将原始信号 分解到不同时间尺度。利用支持向量机方法分解结果分别进行预测，并采用量子粒子方法对支持向量机中的 不敏感损失系数、惩罚系数及核宽度系数进行寻优，从而得到最好的预测结果。最后，通过对青海某区域的电 力系统负荷预测，并引入不同方法进行对比，证实了该方法的有效性与实用性。 关键词：经验模态分解；CEEMDAN；支持向量机；量子粒子群 中图分类号：TM933 文献标识码：B 文章编号：1001—1390(2017)01-0016-06 ThepowerloadcombinedforecastingbasedonCEEMDANandQPSO-SVM JiaYilun，GongQingwu，LiJunxiong，ZhanJinsong (SchoolofElectricalEngineering，WuhanUniversity，Wuhan430072，China) Abstract：Topredictthepowersystem loadmoreaccurately，thispaperproposesa combined forecastingmethod basedonthecompleteensembleempiricalmodedecompositionwithadaptivenoiseandquantum particleswaYlnopti· mization．Firstly，aimingatthemodesoverlapproblem andsignaldistortionexistinginensembleempiricalmodede— composition，thispaperproposesthecompleteensembleempiricalmodedecompositionwithadaptivenoise，andde— composestheoriginalsignalsintothedifferenttimescales．Then，itusesthesupportvectormachinetopredictthede— compositionresult，andemploysthequantum particleswarlnoptimizationmethodtooptimizetheinsensitivelosscoeffi- cient，penaltycoefficientandkernelfunction．Finally，byforecastingthepowersystem loadinacertaindomainof Qinghaiprovinceandcomparingitwithanotherdifferentmethods，itprovesthevalidityandpracticabilityofthemeth— odmentionedinthispaper． Keywords：empiricalmodedecomposition，CEEMDAN，SVM ，quantum particleswa／n3optimization 0 引 言 分解能提取出非稳态负荷信号中不同时间尺度的信 负荷预测在现代 电力系统运行管理中占有重要 息，并用统计学方法分别对其进行预测，故该类方法 地位，对其精确预测是保证 电力系统稳