基于快速本征模态分解的电力系统短期负荷预测
Proceedings of the CSEE(2013)
Abstract
预测技术是负荷预测精度的关键影响因素之一,通过分析提出将快速本征模态分解(fast intrinsic mode decomposition,FIMD)算法应用于电力系统短期负荷预测.所提短期负荷预测方法的实施步骤是:对所选用的样本负荷数据进行快速本征模态分解,分解后将得到若干个具有单一模态的平稳本征模态分量;然后,对分解所得不同频段的负荷分量分别利用基因表达式程序设计算法进行分时预测建模;最后通过对各分量的预测模型进行重构来得到最终的负荷预测模型.进行的大量虚拟预测测试结果表明,同基于经验模态分解方法的短期负荷预测相比本文所提基于FIMD的预测方法具有更高的预测精度.
MoreKey words
short-term load forecasting,power system,fast intrinsic mode decomposition (FIMD),gene expression programming (GEP)
AI Read Science
Must-Reading Tree
Example
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined