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.pdfVIP

维普资讯 第35卷 第8期 继 电器 Vbl_35 NO．8 2007年4月 l6日 RELAY Apr．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(LeastSquareSupportVectorMachifie)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；负荷预测 Short-term loadforecastingbasedonempiricalmodedecomposition andleastsquaresupportvectormachine ZHU Zhi_hui，SUNYun—lian，JIYU (SchoolofElectricalEngineering，WuhanUniversity，Wuhan 430072，China) Abstract ThepowerloadiSinherentlynon—stationarytimeseriesSOthatitisdiffi culttoconstructthemodelofaccurateforecast． Inordertoimproveforecastprecision，ahybridforecastingmethodbasedonEmpiricalModeDecomposition (EMD)andLeast SquareSupportVectorMachine(LS—SVM)ispresentedinhtispaper．Firstly,htepowerloadseriesisadaptivelydecomposedintoa seriesofstationaryintrinsicmodefunctions(IMF1indifferentscalespace．ThelOCalfeaturesoforiginalloadseriesraeprominentin hteIMFSOhtatitismoreobvioustoobservehtecycle．rnadom andtrendpartsofhteoriginalloadsequence．Secondly,accordingto thechnageregulationofeachIMF hterightpraameternadkemelfunctionsraechosentobuilddifferentLS—SVM respectivelyto forecasteachIME Finally,hteseforecastingresultsofeachIM Fraecombinedtoobtainfinalforecastingresult．Thesimulationresults show htathtehybridmehtodhasfasterspeed，higherprecisionandgreatergeneralizationa