文献类型：期刊文章

作　　者：王新[1] 孟玲玲[1]

机构地区：[1]河南理工大学电气工程与自动化学院,河南焦作454000

出　　处：《电力系统保护与控制》

基　　金：河南省科技攻关项目(142102210048);河南省高校科技创新人才支持计划项目(2008HASTIT022)

年　　份：2015

卷　　号：43

期　　号：1

起止页码：61-66

语　　种：中文

收录情况：BDHX、BDHX2014、CSA、CSA-PROQEUST、CSCD、CSCD_E2015_2016、EI、IC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：针对传统的最小二乘支持向量机(LSSVM)参数不易确定且单一预测模型精度不高的问题,提出了一种基于集合经验模态分解(EEMD)与LSSVM的组合预测模型。首先利用EEMD将历史数据分解成一系列相对比较平稳的分量序列,再对各子序列分别建立合适的预测模型。进一步通过贝叶斯证据框架来优化LSSVM的参数,用贝叶斯推理确定模型参数、正规化超参数和核参数。然后将各子序列预测结果进行叠加得到最终预测值。最后,将该预测模型用于某一家庭超短期负荷预测中,仿真结果表明,该模型取得了比单一模型更好的预测效果。

关 键 词：超短期负荷预测 集合经验模态分解  最小二乘支持向量机 贝叶斯框架 时间序列

分 类 号：TM715]