典型文献
双碳目标下基于分解-集成的月度煤电需求预测研究
文献摘要：
月度煤电需求预测对于指导双碳目标下煤电发展及保障能源供应具有重要意义,但是月度煤电需求变化具有非平稳性、非线性的特点.为准确预测未来火电需求的变化,基于分解-集成思想,改进奇异谱分析(ISSA)将原始序列进行分解重构,得到多个不同频率的子序列,应用麻雀搜索算法(SSA)改进的极限学习机(ELM)模型预测各子序列,叠加后得到最终煤电需求预测值.以江苏省煤电需求为例,将所提方法与基于集合经验模态分解(EMD)的EMD-SSA-ELM模型和未经分解的SSA-ELM模型进行对比,结果表明所提方法能有效去除噪声分量的影响,误差值最小,平均绝对百分比误差相较于EMD-SSA-ELM与SSA-ELM分别降低8.0％和17.6％,预测精度更高,适用性更好.
文献关键词：
煤电需求预测;改进奇异谱分析;麻雀搜索算法;极限学习机
中图分类号：
作者姓名：
高恬;牛东晓;纪正森;斯琴卓娅
作者机构：
华北电力大学经济与管理学院,北京 102206;新能源电力与低碳发展北京市重点实验室,北京 102206
文献出处：
引用格式：
[1]高恬;牛东晓;纪正森;斯琴卓娅-.双碳目标下基于分解-集成的月度煤电需求预测研究)[J].智慧电力,2022(09):22-29
A类：
煤电需求预测,改进奇异谱分析
B类：
双碳目标,基于分解,月度,预测研究,能源供应,需求变化,非平稳性,准确预测,预测未来,火电,集成思想,ISSA,分解重构,不同频率,子序列,麻雀搜索算法,极限学习机,ELM,集合经验模态分解,EMD,除噪声,误差值,平均绝对百分比误差
AB值：
0.228221
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。
