作者:刘达; 孙堃; 黄晗经验模式分解随机森林支持向量机月度负荷预测
摘要:准确的负荷预测是电力市场稳定运行的关键。2017年实施偏差电量考核给售电公司带来了极大的挑战。可再生能源和新能源的接入需要高精度的负荷预测。利用集合经验模态分解(EEMD)算法将全社会用电增速序列分解为6个子序列,将子序列组合成高、中、低频分量序列,再对中、低频分量用随机森林(RF)法选取最优参数构建模型,将分量预测结果相加重构成最终预测结果。并与RF、支持向量机(SVM)和EEMD—SVM的实验误差进行了对比,结果表明本文所构建模型的预测精度要优于对比模型,同时验证了该方法在月度负荷预测方面的有效性和可行性。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社