典型文献
基于CEEMD-FE和AOA-LSSVM的短期电力负荷预测
文献摘要：
针对电力负荷预测精度不高、效率低的问题,采用算术优化算法(AOA)和最小二乘支持向量机(LSSVM)的模型对经过互补集合经验模态分解(CEEMD)和模糊熵(FE)综合处理后的子序列进行预测,构建了CEEMD-FE-AOA-LSSVM预测模型.首先,利用FE算法对经过CEEMD处理后的各子序列进行熵值重组,该过程提高了模型的抗干扰能力和运算效率.然后,用AOA-LSSVM模型对处理后的子序列进行预测,并将预测叠加输出.最后,通过误差函数对模型进行横向对比和纵向对比,利用两种对比结果来检验其性能.通过实验可知,与CEEMD-LSSVM、AOA-LSSVM、CEEMD-AOA-LSSVM等其他模型相比,CEEMD-FE-AOA-LSSVM组合模型能够兼顾到预测精度与预测效率两方面,做到了综合性能的提升.同时也验证了经过CEEMD或AOA处理的模型能够有效地提升预测精度.
文献关键词：
算术优化算法;最小二乘支持向量机;组合模型;短期负荷预测
中图分类号：
作者姓名：
杨海柱;田馥铭;张鹏;石剑
作者机构：
河南理工大学,河南 焦作 454000;天津大学,天津 300072
文献出处：
引用格式：
[1]杨海柱;田馥铭;张鹏;石剑-.基于CEEMD-FE和AOA-LSSVM的短期电力负荷预测)[J].电力系统保护与控制,2022(13):126-133
A类：
B类：
CEEMD,FE,AOA,LSSVM,短期电力负荷预测,算术优化算法,最小二乘支持向量机,互补集合经验模态分解,模糊熵,综合处理,子序列,抗干扰能力,运算效率,误差函数,横向对比,组合模型,顾到,短期负荷预测
AB值：
0.209864
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。
