期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于负荷二次分解与特征处理的电力系统短期负荷预测
1
作者 陈仕启 吴燕 +1 位作者 杨德昌 Payman Dehghanian 《高电压技术》 北大核心 2025年第5期2571-2585,共15页
为了解决构建新型电力系统时期电力负荷波动性和复杂性日益增强,准确预测困难的问题,提出了一种基于负荷二次分解与特征处理的融合负荷预测模型。首先利用经验小波变换(empirical wavelet transform,EWT)将电力负荷序列进行初步分解,并... 为了解决构建新型电力系统时期电力负荷波动性和复杂性日益增强,准确预测困难的问题,提出了一种基于负荷二次分解与特征处理的融合负荷预测模型。首先利用经验小波变换(empirical wavelet transform,EWT)将电力负荷序列进行初步分解,并结合样本熵(sample entropy,SE)和奇异谱分析(singular spectrum analysis,SSA)对复杂度高的子序列其进行二次分解,以减少负荷数据的复杂性。在特征处理方面,采用距离相关系数计算各子序列与特征的相关性和特征间的冗余度,提取出最优特征集。同时,针对温度特征,提出了一种积温模糊修正模型,以增强模型对温度变化的敏感性。最终,将分解后的各负荷分量与优化后的特征集输入冠豪猪优化(crested por-cupine optimizer,CPO)的双向时域卷积网络-双向门控循环单元(bidirectional temporal convolutional network-bidirectional gated recurrent unit,BiTCN-BiGRU)进行预测。采用某地电网实际数据进行算例分析,结果表明:与主流深度学习预测模型、特征处理方法和负荷分解方法相比,所提融合方法均方根误差最高分别降低了87.79%、32.23%和24.22%,表明所提方法具有较高的负荷预测精度。 展开更多
关键词 短期负荷预测 经验小波变换 样本熵 奇异谱分析 特征处理 CPO-BiTCN-BiGRU
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部