典型文献
基于改进型自适应白噪声完备集成经验模态分解的工业用户负荷预测方法
文献摘要：
工业用户的负荷通常由多种负荷类型共同组成,结构较为复杂,并且常常含有较大的冲击性负荷.传统的负荷预测方法难以准确预测负荷突变,导致预测精度不高.将负荷分解成不同频率的分量再分别进行预测是较为可行的解决方式.提出了基于改进型自适应白噪声完备集成经验模态分解的工业用户负荷预测方法.首先,采用ICEEMDAN算法将工业用户的负荷分解为高、低频模态分量.该算法利用局部均值来替换模态的估计,避免了高斯噪声对模态分解的影响,改善了传统模态分解方法中模态混叠的现象.其次,采用长短期记忆神经网络、最小二乘支持向量回归算法分别建立高、低频分量的预测模型.最后,将各分量的预测结果进行叠加重构,得到了最终的预测结果.相比于单一预测方法、其他组合预测方法等多种预测方法,所提方法的平均绝对百分比误差分别降低了26.35％,12.75％,具有最高的预测精度.
文献关键词：
工业用户;负荷预测;ICEEMDAN算法;模态分解
中图分类号：
作者姓名：
杨德州;刘嘉明;宋汶秦;杨昌海;妥建军;王飞
作者机构：
国网甘肃省电力公司经济技术研究院,甘肃 兰州 730050;华北电力大学,河北 保定 071003
文献出处：
引用格式：
[1]杨德州;刘嘉明;宋汶秦;杨昌海;妥建军;王飞-.基于改进型自适应白噪声完备集成经验模态分解的工业用户负荷预测方法)[J].电力系统保护与控制,2022(04):36-43
A类：
B类：
改进型,自适应白噪声,集成经验模态分解,工业用户,用户负荷,负荷预测方法,负荷类型,常含,冲击性负荷,准确预测,预测负荷,负荷突变,负荷分解,分解成,不同频率,解决方式,ICEEMDAN,模态分量,法利,局部均值,高斯噪声,分解方法,模态混叠,长短期记忆神经网络,最小二乘支持向量回归,支持向量回归算法,低频分量,组合预测方法,平均绝对百分比误差
AB值：
0.304889
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。
