基于EEMD-样本熵和Elman神经网络的短期电力负荷预测
Proceedings of the CSU-EPSA（2016）
Abstract
针对电力负荷序列的非线性、非平稳性等特点,提出了一种基于集总经验模式分解EEMD-样本熵和El-man神经网络的短期负荷预测方法.为了减小电力负荷序列局部分析的计算规模以及提高负荷预测的精度,先利用EEMD-样本熵将原始电力负荷序列分解成一系列复杂度差异明显的子序列;然后在综合考虑温度及日期类型等因素对各子序列影响的基础上,根据各子序列的特点构造不同的Elman神经网络对各子序列分别进行预测;最后将各子序列的预测结果叠加得到最终预测值,并对EUNITE国际电力负荷预测竞赛公布的数据进行仿真实验.仿真结果表明该方法能有效地提高负荷预测的精度.
MoreAI Read Science
Must-Reading Tree
Example
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined