删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

基于Akima-LMD和GRNN的短期负荷预测

本站小编 Free考研考试/2022-01-02

摘要传统局域均值分解(LMD)对极值点采用了滑动平均值处理得到局域均值函数和局域包络函数,易造成分解的分量过平滑而影响精度。为了减小过平滑影响,采用Akima插值法代替滑动平均值法处理局域函数来改进LMD算法,针对电力系统负荷序列的非平稳性和非线性,利用改进LMD算法进行序列分解得到若干分量,再利用广义回归神经网络(GRNN)预测各个分量的趋势,叠加各分量趋势得到负荷序列总趋势。GRNN神经网络较传统神经网络训练速度快、精度高,能很好地预测非线性序列。算例分析表明,改进LMD结合GRNN的方法较经验模态分解(EMD)结合GRNN的方法在短期电力负荷预测中有更高的预测精度。

PDF全文下载地址:

https://ateee.iee.ac.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=1706
相关话题/序列 电力 经验 神经网络 分解