基于时间序列分解的混合短期电力负荷预测

作     者：徐英豪 姜茜 吕玉超 鞠亚轩 朱习军 XU Yinghao;JIANG Xi;LV Yuchao;JU Yaxuan;ZHU Xijun

作者机构：青岛科技大学信息科学技术学院山东青岛266061 

基　　金：山东省产教融合研究生联合培养示范基地项目(2020-19) 

出 版 物：《电子设计工程》 (Electronic Design Engineering)

年 卷 期：2023年第31卷第7期

页      码：62-67页

摘      要：短期电力预测负荷是电力系统合理规划和电网稳定运行的基础,可以准确评估出地区电力负荷的变化。为了充分利用电力负荷数据的时序特征,提高短期电力负荷预测的准确性,提出了一种CEEMD-SVR-ARIMA电力负荷预测模型。该模型将电力负荷数据和电力负荷影响因素数据进行数据分解,分解为不同频率的负荷数据分量和影响因素数据分量,采用Pearson相关性分析方法,选择最优分量作为SVR模型的特征输入和预测输出,同时结合ARIMA模型对低频电力负荷数据分量进行预测,将各个分量结果通过叠加得到预测结果。实验证明,该方法的负荷数据预测精度提升了1.1%,达到99.1%。

主 题 词：电力负荷预测 CEEMD SVR ARIMA 

学科分类：0810[工学-土木类] 08[工学] 081001[081001] 

D　O　I：10.14022/j.issn1674-6236.2023.07.013

馆 藏 号：203120985...