典型文献
基于VMD-分形理论的短期电力负荷预测
文献摘要：
为提高负荷预测结果的精度,设计了一种基于变分模态分解(VMD:Variational Mode Decomposition)和分形理论的短期电力负荷预测模型.首先选取和实测日气象数据相似的日期作为基准日,对基准日的负荷曲线进行变分模态分解提取主要信号的模态(趋势项),再提取扰动项(IMF1)和噪声项(IMF2、IMF3、IMF4),对趋势项和扰动项进行重标极差法分析后提取趋势项和扰动项的极值点建立迭代函数系统(IFS:Iterative Function System).通过趋势项和扰动项的迭代函数曲线确定相对应的负荷数据,再同噪声项(IMF2、IMF3、IMF4)相对应的负荷数据相加,得到最终的预测数据.通过和传统的分形模型和BP(Back Propagation)神经网络模型进行对比,结果表明平均绝对百分比误差(MAPE:Mean Absolute PercentageError)下降了近5％,证明了 VMD-分形预测模型的预测效果更好.
文献关键词：
变分模态分解;分形理论;迭代函数系统;电力负荷预测;重标极差法;分形插值函数
中图分类号：
作者姓名：
徐建军;王硕昌
作者机构：
东北石油大学电气信息工程学院,黑龙江大庆163318
文献出处：
引用格式：
[1]徐建军;王硕昌-.基于VMD-分形理论的短期电力负荷预测)[J].吉林大学学报（信息科学版）,2022(05):744-751
A类：
IMF2,IMF3,IMF4,PercentageError,分形插值函数
B类：
VMD,分形理论,短期电力负荷预测,高负荷,变分模态分解,Variational,Mode,Decomposition,负荷预测模型,气象数据,基准日,负荷曲线,趋势项,IMF1,重标极差法,极值点,迭代函数系统,IFS,Iterative,Function,System,负荷数据,相加,预测数据,分形模型,Back,Propagation,平均绝对百分比误差,MAPE,Mean,Absolute
AB值：
0.259139
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
