期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于ICEEMDAN-PE和IDBO-Informer组合模型的短期负荷预测
1
作者 于多 曹燚 +2 位作者 王海荣 赵翱东 曹倩 《中国电力》 北大核心 2025年第6期19-32,共14页
针对传统方法在处理复杂负荷数据时存在的噪声处理不足、特征提取能力有限及模型训练复杂等问题,提出了一种基于改进完全集合经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)-置... 针对传统方法在处理复杂负荷数据时存在的噪声处理不足、特征提取能力有限及模型训练复杂等问题,提出了一种基于改进完全集合经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)-置换熵(permutation entropy,PE)和改进蜣螂优化算法(improved dung beetle optimizer,IDBO)-Informer的创新组合预测模型。首先,该模型通过小波软阈值去噪算法预处理原始负荷数据,减少噪声干扰。其次,利用ICEEMDAN多尺度分解负荷数据,精准捕捉负荷特征,并采用置换熵评估分量复杂度。最后,对蜣螂优化算法进行改进,通过融合混沌与逆向学习策略进行种群初始化,引入自适应步长与凸透镜逆成像策略及随机差异变异策略,优化Informer预测模型参数,显著提升预测效率与准确性。实验结果表明,该模型在短期负荷预测中表现出色,平均绝对误差为81.3 MW(原始负荷数据范围约为500 MW至1 500 MW),均方根误差为109.2 MW,拟合系数评分为0.991,远优于传统方法,充分验证了模型的创新性和优越性。 展开更多
关键词 负荷预测 ICEEMDAN 改进蜣螂优化算法 informer
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部