一种结合互补集合经验模态分解和小波核极限学习-计算机应用与软件.pdf

第３３卷第１２期　　　 计算机应用与软件 Ｖｏｌ３３Ｎｏ．１２ ２０１６年１２月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｄｅｃ．２０１６ 一种结合互补集合经验模态分解和小波核极限学习机的 短期电力负荷预测模型 １ １ ２ 郭　瑞 　樊亚敏 　潘玉民 １（辽宁工程技术大学电气与控制工程学院　辽宁葫芦岛 １２５１０５） ２（华北科技学院电子信息工程学院　北京 １０１６０１） 摘　要　　电力系统的管理和调度对精确的负荷预测模型有着极高的要求。为全面提高负荷预测模型的性能，提出一种新型的结 合互补集成经验模态分解（ＣＥＥＭＤ）和小波核函数极限学习机（ＷＫＥＬＭ）的短期电力负荷组合预测模型。首先通过ＣＥＥＭＤ将历史 电力负荷数据自适应地分解为一系列相对平稳的子序列，对各分量建立小波核极限学习机的预测模型，预测各分量的负荷值并对其 进行求和得到最终预测结果。用四种预测模型对真实的负荷数据进行训练预测，算例表明新模型在预测精度和效率上都具有一定 优势，同时克服了传统ＥＭＤ中容易出现的模态混叠问题以及ＥＬＭ中存在的过拟合等缺陷，具有一定的实际应用潜力。 关键词　　短期负荷预测　互补的集成经验模态分解　小波核极限学习机　组合预测模型 中图分类号　ＴＰ３９１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１６．１２．０５８ ＡＳＨＯＲＴＴＥＲＭＰＯＷＥＲＬＯＡＤＦＯＲＥＣＡＳＴＩＮＧＭＯＤＥＬＣＯＭＢＩＮＩＮＧ ＣＯＭＰＬＥＭＥＮＴＡＲＹＥＮＳＥＭＢＬＥＥＭＰＩＲＩＣＡＬＭＯＤＥＤＥＣＯＭＰＯＳＩＴＩＯＮ ＡＮＤＷＡＶＥＬＥＴＫＥＲＮＥＬＥＸＴＲＥＭＥＬＥＡＲＮＩＮＧＭＡＣＨＩＮＥ １ １ ２ ＧｕｏＲｕｉ　ＦａｎＹａｍｉｎ　ＰａｎＹｕｍｉｎ １（ＦａｃｕｌｔｙｏｆＥｌｅｃｔｒｉｃａｌａｎｄＣｏｎｔｒｏｌＥｎｇｉｎｅｅｒｉｎｇ，ＬｉａｏｎｉｎｇＴｅｃｈｎｉｃａｌＵｎｉｖｅｒｓｉｔｙ，Ｈｕｌｕｄａｏ１２５１０５，Ｌｉａｏｎｉｎｇ，Ｃｈｉｎａ） ２（ＣｏｌｌｅｇｅｏｆＥｌｅｃｔｒｏｎｉｃＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＮｏｒｔｈＣｈｉｎａＩｎｓｔｉｔｕｔｅｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｂｅｉｊｉｎｇ１０１６０１，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｐｏｗｅｒｓｙｓｔｅｍｍａｎａｇｅｍｅｎｔａｎｄｓｃｈｅｄｕｌｉｎｇｈａｓｅｘｔｒｅｍｅｌｙｈｉｇｈｄｅｍａｎｄｏｎｐｏｗｅｒｌｏａｄｆｏｒｅｃａｓｔｉｎｇｍｏｄｅｌ．Ｉｎｏｒｄｅｒｔｏ ｃｏｍｐｒｅｈｅｎｓｉｖｅｌｙｉｍｐｒｏｖｅｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｌｏａｄｆｏｒｅｃａｓｔｉｎｇｍｏｄｅｌ，ｗｅｐｒｏｐｏｓｅｄａｎｏｖｅｌｃｏｍｂｉｎａｔｉｏｎｆｏｒｅｃａｓｔｉｎｇｍｏｄｅｌｆｏｒｓｈｏｒｔｔｅｒｍｐｏｗｅｒ ｌｏａｄ，ｗｈｉｃｈｃｏｍｂｉｎｅｓｔｈｅｃｏｍｐｌｅｍｅｎｔａｒｙｅｎｓｅｍｂｌｅｅｍｐｉｒｉｃａｌｍｏｄｅｄｅｃｏｍｐｏｓｉｔｉｏｎ（ＣＥＥＭＤ）ａｎｄｔｈｅｗａｖｅｌｅｔｋｅｒｎｅｌｅｘｔｒｅｍｅｌｅａｒｎｉｎｇ ｍａｃｈｉｎｅ（ＷＫＥＬＭ）．Ｆｉｒｓｔ，ｉｔａｄａｐｔｉｖｅｌｙｄｅｃｏｍｐｏｓｅｔｈｅｈｉｓｔｏｒｉｃａｌｐｏｗｅｒｌｏａｄｄａｔａｉｎｔｏａｓｅｒｉｅｓｏｆｒｅｌａｔｉｖｅｌｙｓｔａｂｌｅｓｕｂｓｅｑｕｅｎｃｅｓｂｙＣＥＥＭＤ， ｔｈｅｎｉｔｂｕｉｌｄｓｔｈｅｆｏｒｅｃａｓｔｉｎｇｍｏｄｅｌｓｏｆＷＫＥＬＭｏｎｅａｃｈｄｅｃｏｍｐｏｓｅｄｃｏｍｐｏｎｅｎｔｔｏｆｏｒｅｃａｓｔｔｈｅｌｏａｄｖａｌｕｅｓｏｆｅａｃｈｃｏｍｐｏｎｅｎｔａｎｄｍａｋｅｓ ｓｕｍｍａｔｉｏｎｏｎｔｈｅｍｔｏｇａｉｎ