典型文献
基于EMD-Stacking-MLR的台区配变短期负荷预测方法
文献摘要：
传统短期负荷预测方法多为基于数据驱动的机器学习方法,应用场景多为较宏观的市/县区域总负荷预测,而面对台区配变负荷,其预测效果明显不足.对此,构建了一种基于EMD-Stacking-MLR的负荷预测方法.首先,将台区配变负荷数据通过经验模态分解方法分解为频率由高到低的有限本征模函数分量,利用样本熵大小为依据划分高、低频分量;随后,采用Stacking多模型融合方法和多元线性回归方法分别对高、低频分量进行预测;最后,叠加各分量预测结果得到最终配变预测负荷曲线.通过实验验证,结果表明所提方法在提升负荷预测精度和模型泛化能力方面成效显著.
文献关键词：
模态经验分解性(EMD);Stacking集成学习;MLR;短期负荷预测;台区配变
中图分类号：
作者姓名：
杨秀;胡钟毓;田英杰;谢海宁
作者机构：
上海电力大学 电气工程学院,上海 200090;国网上海市电力公司电力科学研究院,上海 200080
文献出处：
引用格式：
[1]杨秀;胡钟毓;田英杰;谢海宁-.基于EMD-Stacking-MLR的台区配变短期负荷预测方法)[J].电器与能效管理技术,2022(02):53-62
A类：
台区配变
B类：
EMD,Stacking,MLR,变短,短期负荷预测,负荷预测方法,机器学习方法,县区,总负荷,变负荷,负荷数据,数据通,经验模态分解,分解方法,本征模函数,样本熵,低频分量,多模型融合,融合方法,预测负荷,负荷曲线,模型泛化,泛化能力,成效显著,集成学习
AB值：
0.288124
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。
