基于極點(diǎn)對(duì)稱模態(tài)分解-分散熵和改進(jìn)烏鴉搜索算法-核極限學(xué)習(xí)機(jī)的短期負(fù)荷區(qū)間預(yù)測(cè)
發(fā)布時(shí)間:2021-04-29 05:37
針對(duì)確定性負(fù)荷點(diǎn)預(yù)測(cè)存在不同程度誤差及難以反映電力需求不確定性的問(wèn)題,提出一種基于極點(diǎn)對(duì)稱模態(tài)分解(extreme-point symmetric mode decomposition, ESMD)-分散熵(dispersion entropy, DE)和改進(jìn)烏鴉搜索算法(improved crow search algorithm, ICSA)優(yōu)化核極限學(xué)習(xí)機(jī)的短期負(fù)荷區(qū)間預(yù)測(cè)模型。首先用ESMD將原始負(fù)荷時(shí)間序列分解為多個(gè)特征互異的子序列,降低了原始非平穩(wěn)負(fù)荷序列對(duì)預(yù)測(cè)結(jié)果的影響,并計(jì)算各子序列的分散熵,將熵值相近的子序列重組為新序列以降低計(jì)算規(guī)模;其次,基于上下限估計(jì)法,利用ICSA算法對(duì)核極限學(xué)習(xí)機(jī)(kernel extreme learning machine, KELM)輸出權(quán)值進(jìn)行優(yōu)化,得到最優(yōu)預(yù)測(cè)區(qū)間上下限,并以此分別對(duì)各新序列進(jìn)行區(qū)間預(yù)測(cè);最后將預(yù)測(cè)結(jié)果疊加得到最終的預(yù)測(cè)區(qū)間。仿真結(jié)果表明,所提模型有效提高了負(fù)荷預(yù)測(cè)區(qū)間的質(zhì)量,為電力系統(tǒng)決策工作提供有力支持。
【文章來(lái)源】:科學(xué)技術(shù)與工程. 2020,20(22)北大核心
【文章頁(yè)數(shù)】:7 頁(yè)
【文章目錄】:
1 基本原理分析
1.1 ESMD算法
1.2 分散熵
1.3 改進(jìn)烏鴉搜索算法
1.4 核極限學(xué)習(xí)機(jī)
2 ICSA-KELM負(fù)荷區(qū)間預(yù)測(cè)模型
2.1 ICSA-KELM區(qū)間預(yù)測(cè)模型結(jié)構(gòu)
2.2 區(qū)間預(yù)測(cè)優(yōu)化目標(biāo)函數(shù)
2.2.1 預(yù)測(cè)區(qū)間覆蓋率
2.2.2 預(yù)測(cè)區(qū)間平均寬度
2.2.3 優(yōu)化目標(biāo)函數(shù)
2.3 ICSA-KELM區(qū)間預(yù)測(cè)流程
3 基于ESMD-DE和ICSA-KELM的負(fù)荷區(qū)間預(yù)測(cè)模型流程
4 實(shí)驗(yàn)仿真
4.1 數(shù)據(jù)處理
4.2 區(qū)間預(yù)測(cè)環(huán)節(jié)搭建
4.3 預(yù)測(cè)結(jié)果分析
5 結(jié)論
【參考文獻(xiàn)】:
期刊論文
[1]基于改進(jìn)評(píng)價(jià)指標(biāo)的波動(dòng)性負(fù)荷短期區(qū)間預(yù)測(cè)[J]. 徐詩(shī)鴻,張宏志,林湘寧,李正天,卓毅鑫,汪致洵,隨權(quán). 電力系統(tǒng)自動(dòng)化. 2020(02)
[2]基于極限學(xué)習(xí)機(jī)快速分類(lèi)的人體跌倒檢測(cè)方法[J]. 王曉雷,李棟豪,鄭曉婉,閆雙建,張慶芳,張吉濤,曹玲芝. 科學(xué)技術(shù)與工程. 2019(20)
[3]基于改進(jìn)萊維飛行的狼群算法及其在翼型氣動(dòng)優(yōu)化設(shè)計(jì)中的應(yīng)用[J]. 趙洪,李偉鵬,劉鐵軍. 科學(xué)技術(shù)與工程. 2019(18)
[4]超短期光伏出力區(qū)間預(yù)測(cè)算法及其應(yīng)用[J]. 黎敏,林湘寧,張哲原,翁漢琍. 電力系統(tǒng)自動(dòng)化. 2019(03)
[5]基于深度信念網(wǎng)絡(luò)的短期負(fù)荷預(yù)測(cè)方法[J]. 孔祥玉,鄭鋒,鄂志君,曹旌,王鑫. 電力系統(tǒng)自動(dòng)化. 2018(05)
[6]基于改進(jìn)高斯過(guò)程回歸模型的短期負(fù)荷區(qū)間預(yù)測(cè)[J]. 宗文婷,衛(wèi)志農(nóng),孫國(guó)強(qiáng),李慧杰,CHEUNG Kwok W,孫永輝. 電力系統(tǒng)及其自動(dòng)化學(xué)報(bào). 2017(08)
[7]基于粒子群優(yōu)化的核極限學(xué)習(xí)機(jī)模型的風(fēng)電功率區(qū)間預(yù)測(cè)方法[J]. 楊錫運(yùn),關(guān)文淵,劉玉奇,肖運(yùn)啟. 中國(guó)電機(jī)工程學(xué)報(bào). 2015(S1)
[8]基于EMD和相關(guān)向量機(jī)的短期負(fù)荷預(yù)測(cè)[J]. 孫志剛,翟瑋星,李偉倫,衛(wèi)志農(nóng). 電力系統(tǒng)及其自動(dòng)化學(xué)報(bào). 2011(01)
本文編號(hào):3166947
【文章來(lái)源】:科學(xué)技術(shù)與工程. 2020,20(22)北大核心
【文章頁(yè)數(shù)】:7 頁(yè)
【文章目錄】:
1 基本原理分析
1.1 ESMD算法
1.2 分散熵
1.3 改進(jìn)烏鴉搜索算法
1.4 核極限學(xué)習(xí)機(jī)
2 ICSA-KELM負(fù)荷區(qū)間預(yù)測(cè)模型
2.1 ICSA-KELM區(qū)間預(yù)測(cè)模型結(jié)構(gòu)
2.2 區(qū)間預(yù)測(cè)優(yōu)化目標(biāo)函數(shù)
2.2.1 預(yù)測(cè)區(qū)間覆蓋率
2.2.2 預(yù)測(cè)區(qū)間平均寬度
2.2.3 優(yōu)化目標(biāo)函數(shù)
2.3 ICSA-KELM區(qū)間預(yù)測(cè)流程
3 基于ESMD-DE和ICSA-KELM的負(fù)荷區(qū)間預(yù)測(cè)模型流程
4 實(shí)驗(yàn)仿真
4.1 數(shù)據(jù)處理
4.2 區(qū)間預(yù)測(cè)環(huán)節(jié)搭建
4.3 預(yù)測(cè)結(jié)果分析
5 結(jié)論
【參考文獻(xiàn)】:
期刊論文
[1]基于改進(jìn)評(píng)價(jià)指標(biāo)的波動(dòng)性負(fù)荷短期區(qū)間預(yù)測(cè)[J]. 徐詩(shī)鴻,張宏志,林湘寧,李正天,卓毅鑫,汪致洵,隨權(quán). 電力系統(tǒng)自動(dòng)化. 2020(02)
[2]基于極限學(xué)習(xí)機(jī)快速分類(lèi)的人體跌倒檢測(cè)方法[J]. 王曉雷,李棟豪,鄭曉婉,閆雙建,張慶芳,張吉濤,曹玲芝. 科學(xué)技術(shù)與工程. 2019(20)
[3]基于改進(jìn)萊維飛行的狼群算法及其在翼型氣動(dòng)優(yōu)化設(shè)計(jì)中的應(yīng)用[J]. 趙洪,李偉鵬,劉鐵軍. 科學(xué)技術(shù)與工程. 2019(18)
[4]超短期光伏出力區(qū)間預(yù)測(cè)算法及其應(yīng)用[J]. 黎敏,林湘寧,張哲原,翁漢琍. 電力系統(tǒng)自動(dòng)化. 2019(03)
[5]基于深度信念網(wǎng)絡(luò)的短期負(fù)荷預(yù)測(cè)方法[J]. 孔祥玉,鄭鋒,鄂志君,曹旌,王鑫. 電力系統(tǒng)自動(dòng)化. 2018(05)
[6]基于改進(jìn)高斯過(guò)程回歸模型的短期負(fù)荷區(qū)間預(yù)測(cè)[J]. 宗文婷,衛(wèi)志農(nóng),孫國(guó)強(qiáng),李慧杰,CHEUNG Kwok W,孫永輝. 電力系統(tǒng)及其自動(dòng)化學(xué)報(bào). 2017(08)
[7]基于粒子群優(yōu)化的核極限學(xué)習(xí)機(jī)模型的風(fēng)電功率區(qū)間預(yù)測(cè)方法[J]. 楊錫運(yùn),關(guān)文淵,劉玉奇,肖運(yùn)啟. 中國(guó)電機(jī)工程學(xué)報(bào). 2015(S1)
[8]基于EMD和相關(guān)向量機(jī)的短期負(fù)荷預(yù)測(cè)[J]. 孫志剛,翟瑋星,李偉倫,衛(wèi)志農(nóng). 電力系統(tǒng)及其自動(dòng)化學(xué)報(bào). 2011(01)
本文編號(hào):3166947
本文鏈接:http://sikaile.net/kejilunwen/dianlilw/3166947.html
最近更新
教材專著