摘要:针对电力负荷序列的非平稳性和非线性等特点,提出了一种基于变分模态分解技术VMD-样本熵SE和遗传算法GA优化的Elman神经网络短期负荷预测模型。为了降低原始序列的复杂度和不稳定性,首先利用VMD-SE将原始电力序列分解成多个子序列;然后根据各子序列的特点分别构造经GA遗传算法优化的Elman神经网络预测模型;最后将各个子序列的预测结果叠加得到最终结果,实现短期负荷预测。应用于实例,结果表明,该模型能有效提高预测精度。
关键词:短期负荷预测 elman神经网络 变分模态分解 样本熵 遗传算法
单位:贵州大学电气工程学院; 贵州贵阳550025
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社