其他
【精彩论文】基于频域分解的短期负荷预测研究分析
引文信息
马愿, 张倩, 李国丽, 等. 基于频域分解的短期负荷预测研究分析[J]. 中国电力, 2020, 53(4): 114-121.MA Yuan, ZHANG Qian, LI Guoli, et al. Research and analysis of short-term load forecasting based on frequency domain decomposition[J]. Electric Power, 2020, 53(4): 114-121.
内容摘要
为研究频域分量预测法对短期负荷预测精度的影响，利用频域分解算法分解原始负荷数据，将数据分解为4个部分：日周期、周周期、低频和高频分量。其中，日周期、周周期分量用Elman神经网络预测；低频分量采用随机森林预测；高频分量则使用Mallat算法二次分解，分别得到低频部分和高频部分，选取低频部分做训练样本与Elman神经网络结合预测高频分量；将各个频域分量结果重组，实现电力负荷的高精度预测。以某地市实际负荷数据为例进行仿真，将该方法与Elman神经网络法、随机森林法及频域分量预测法的预测结果对比，验证所提方法可以有效提高精度，减少预测值和真实值的离散程度。
往期回顾
◀【精彩论文】含电-热-冷-气负荷的园区综合能源系统经济优化调度研究
◀【征稿启事】“电力信息通信新技术在能源互联网中的研究与应用”专题征稿启事
编辑：杨彪
审核：许晓艳
根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。