基于MEEMD加窗改进方法与GRNN组合的电力负荷预测

论文摘要

针对电力负荷序列不稳定性、随机性等特点引起的电力负荷预测精度下降等问题,提出MEEMD加窗改进方法和GRNN组合的短期电力负荷预测模型。利用GRNN神经网络延拓方法对原始信号两端数据进行延拓,用余弦窗函数对延拓数据加窗处理后再进行MEEMD分解,用神经网络对各分量趋势进行预测,叠加各分量的预测结果得到负荷序列的最终预测结果。实验结果表明,MEEMD加窗改进分解预测的平均绝对误差、平均绝对值百分比误差和均方根误差分别为73.926 8、0.818 0%和82.930 1。基于MEEMD加窗改进方法和GRNN组合的电力负荷预测不仅能抑制端点效应,而且能解决模态混叠和伪分解问题,提高了短期电力负荷的预测精度。

论文目录

文章来源

类型: 期刊论文

作者: 高晗,段艳涛,毕贵红

关键词: 电力负荷预测,端点效应,模态混叠,余弦窗函数

来源: 软件导刊 2019年12期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 电力工业

单位: 昆明理工大学电力工程学院

分类号: TM715

页码: 44-50

总页数: 7

文件大小: 5286K

下载量: 137

相关论文文献

标签：电力负荷预测论文;  端点效应论文;  模态混叠论文;  余弦窗函数论文;