本文關鍵詞：基于EMD和LSSVM的短期電力負荷預測策略研究

  更多相關文章： 短期負荷預測 最小二乘支持向量機 粒子群 經(jīng)驗模態(tài)分解

【摘要】：短期電力負荷研究對于地區(qū)電力系統(tǒng)運行的安全性、經(jīng)濟性具有重要的研究意義和實際應用價值。本論文建立于基于經(jīng)驗模態(tài)分解算法(Empirical Mode Decomposition)和粒子群(Particle Swarm Optimization)優(yōu)化最小二乘支持向量機(Least Square Support Vector Machine)參數(shù)的混合短期負荷預測模型。本文很詳細的介紹了數(shù)據(jù)處理的必要性、如何選擇有效的樣本和對樣本的歸一化處理,并且就合肥市電網(wǎng)的負荷特性做了具體分析,這些研究結果都為后面的樣本輸入特征的選擇提供了基礎。因為電力負荷數(shù)據(jù)容易受到氣候變化、大型節(jié)假日等因素的影響,導致數(shù)據(jù)信號中含有很多的噪音信號,如果將這些噪音信號直接作為如數(shù)量會對預測的準確度造成影響,為了消除這些噪聲信號提高預測精確度,引入經(jīng)驗模態(tài)分解算法。經(jīng)驗模態(tài)分解算法能夠將輸入信號分解為若干干本征模態(tài)函數(shù),提高數(shù)據(jù)的平滑性。建立基于PSO優(yōu)化LSSVM參數(shù)的短期負荷預測的模型。在利用LSSVM對短期負荷進行預測的時候,一個好的參數(shù)選取對于模型的預測性能有很重要的作用。利用粒子群參數(shù)進行參數(shù)全局尋優(yōu)又解決了傳統(tǒng)利用經(jīng)驗或者交叉驗證法選取參數(shù)的盲目性,而且訓練搜索時間也比較快,滿足短期預測的期望。最后代入經(jīng)過EMD算法分解的數(shù)值進行負荷預測組合模型。本文將EMD-PSO-LSSVM(經(jīng)驗模態(tài)分解-粒子群算法-最小二乘支持向量機)混合預測模型應用于合肥市電網(wǎng)進行了短期電力負荷預測。通過實例仿真可以得出,EMD-PSO-LSSVM預測精度良好,對歷史數(shù)據(jù)具有較好的處理能力,模型泛化能力優(yōu)良。本文也將組合預測模型和單個預測模型以及兩個算法的組合模型進行了數(shù)據(jù)預測對比,結果表明EMD-PSO-LSSVM的預測誤差明顯優(yōu)于單個模型和兩個算法組合模型。
【學位授予單位】：安徽工程大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TM715

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 文力;十年來第一次中國EMD廠長、經(jīng)理聯(lián)誼會在長沙舉行[J];電池;2004年03期

2 ;隆冬正在逼近EMD產(chǎn)業(yè)——第7屆全國EMD行業(yè)廠長、經(jīng)理聯(lián)誼會側記[J];電池;2007年06期

3 Andrew Roden;韓長城;;EMD公司為66型機車規(guī)劃新的的發(fā)展途徑[J];國外內燃機車;2009年06期

4 顧潔;包海龍;唐衍;;基于EMD和干預分析的電力系統(tǒng)短期負荷預測[J];電力需求側管理;2012年01期

5 時培明;丁雪娟;李庚;韓東穎;;一種EMD改進方法及其在旋轉機械故障診斷中的應用[J];振動與沖擊;2013年04期

6 陸人定;;基于EMD去噪解調技術在汽車變速器故障診斷中的應用[J];電子技術與軟件工程;2013年21期

7 劉琛;劉小巖;軒冬青;;基于EMD閃光視覺誘發(fā)電位的單次提取方法[J];江南大學學報(自然科學版);2008年02期

8 司青花;王瀚;何苗;王康生;;EMD譜方法提取水輪機動態(tài)特征信息[J];大電機技術;2011年06期

9 蘇明;EMD與澳大利亞簽訂5億美元合同[J];國外內燃機車;1994年02期

10 蘇明;EMD與加拿大國家鐵路簽訂機車維修合同[J];國外內燃機車;2002年06期

中國重要會議論文全文數(shù)據(jù)庫 前8條

1 趙玉芳;紀國宜;;基于EMD與盒維數(shù)的旋轉機械故障診斷方法[A];第九屆全國振動理論及應用學術會議論文摘要集[C];2007年

2 趙玉芳;紀國宜;;基于EMD與盒維數(shù)的旋轉機械故障診斷方法[A];第九屆全國振動理論及應用學術會議論文集[C];2007年

3 曾杰;許寶杰;張建民;;基于EMD的特征提取在機電系統(tǒng)監(jiān)測中的應用[A];設備監(jiān)測與診斷技術及其應用——第十二屆全國設備監(jiān)測與診斷學術會議論文集[C];2005年

4 許寶杰;徐小力;李建偉;;用神經(jīng)網(wǎng)絡插值進行EMD端點效應抑制方法的研究[A];設備監(jiān)測與診斷技術及其應用——第十二屆全國設備監(jiān)測與診斷學術會議論文集[C];2005年

5 周小林;孫東松;鐘志慶;王邦新;夏海云;沈法華;董晶晶;;基于多尺度EMD的激光雷達信號分段去噪[A];2006年全國光電技術學術交流會會議文集（D 光電信息處理技術專題）[C];2006年

6 胡橋;郝保安;呂林夏;陳亞林;孫起;;基于集成EMD和DEMON譜的輻射噪聲特征提取研究[A];2008年全國振動工程及應用學術會議暨第十一屆全國設備故障診斷學術會議論文集[C];2008年

7 屈俐俐;李變;;基于EMD的原子鐘性能分析[A];第三屆中國衛(wèi)星導航學術年會電子文集——S04原子鐘技術與時頻系統(tǒng)[C];2012年

8 李健寶;彭濤;;基于EMD與相關性分析的滾動軸承智能故障診斷[A];第二十九屆中國控制會議論文集[C];2010年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 何經(jīng)偉;基于EMD的包絡相關算法研究[D];廣西師范大學;2015年

2 楊晨;基于經(jīng)驗模式分解（EMD）的腦信號研究[D];南京郵電大學;2015年

3 羅良維;基于EMD的電—機械轉換器設計與仿真研究[D];廣東工業(yè)大學;2016年

4 吳文江;基于EMD和LSSVM的短期電力負荷預測策略研究[D];安徽工程大學;2016年

5 李業(yè)聯(lián);基于EMD與VAR方法的中國股市溢出效應研究[D];浙江大學;2009年

6 石丁丁;基于EMD的異步電動機軸承故障診斷技術的研究[D];中北大學;2009年

7 周衛(wèi)佳;基于EMD和MP方法的醫(yī)學信號和圖像分析[D];北京郵電大學;2010年

8 余永增;基于小波和EMD的滾動軸承非接觸聲學診斷方法研究[D];大慶石油學院;2009年

9 王祝平;基于EMD、關聯(lián)維數(shù)及神經(jīng)網(wǎng)絡的內燃機故障診斷系統(tǒng)的研究[D];華中農(nóng)業(yè)大學;2007年

10 賀靈敏;EMD和支持向量機在刀具故障診斷中的應用[D];西華大學;2010年

，

本文編號：1260838