基于CEEMD‐SSA‐LSSVM短期电力负荷预测模型.docx

摘要 针对电力负荷序列随机性强、不平稳、随时间变化具有非线性等特点，提出一种基于互补式集合经验模态分解（complementary ensemble empirical mode decomposition,CEEMD）和麻雀搜索算法（sparrow search algorithm,SSA）的最小二乘支持向量机（least square support vector machine,LSSVM）的组合模型。首先，该方法利用CEEMD将原始电力负荷序列分解为一系列不同频率尺度的固有分量和剩余分量，减少了不同频率的信号之间的相互影响。然后，针对各个分量不同的特点，采用新型麻雀搜索算法优化核函数相