【精彩论文】基于EEMD-SE和PSO-KELM的短期负荷区间预测方法

观点凝练

摘要：准确的短期负荷预测在电力系统中发挥着至关重要的作用。近年来，大量短期负荷预测研究表明，与点预测相比，负荷的区间预测可以更有效地保证电力系统的安全运行。因此，提出一种基于EEMD-SE和PSO-KELM的短期负荷区间预测方法。首先，使用集合经验模态分解（EEMD）将原始负荷序列分解为一系列的子序列；然后，通过样本熵（SE）对各序列进行计算，量化序列的复杂程度，将SE值较小的序列进行重构；最后，通过粒子群（PSO）优化核极限学习机（KELM）的输出层权重，建立预测模型，并对各序列进行区间构造。采用南方某市不同季节的实际负荷数据对所提模型进行实验验证，仿真结果表明，与其他预测方法相比，所提方法在区间可靠性以及宽度上具有更好的效果。
结论：本文提出了一种基于EEMD-SE和PSO-KELM的混合方法，用于构建最优短期负荷预测区间。所提的EEMD-SE-PSO-KELM的模型根据不同的评估指标（如PICP，PINAW和CWC）进行评估，并与基于不同分解方法（EMD、WPD、无分解策略的模型）以及不同区间构造方法（ELM、BP、无优化策略的模型）进行比较。结果表明，与其他模型相比，所提出的EEMD-SE-PSO-KELM模型具有更好的预测效果，在不同置信水平下所构造的区间在拥有更高的PICP，同时减小了PINAW。基于EEMD-SE的分解方法能更好地利用负荷时间序列的内在特性，从而对具有不同特性的序列分别进行预测。PSO优化权重的KELM区间构造方法能直接生成预测区间，这种非参数预测方法能进一步提升预测表现。因此，所提出的组合负荷区间预测方法在电力系统的实际应用中具有较高潜力。

引文信息

张林, 刘继春. 基于EEMD-SE和PSO-KELM的短期负荷区间预测方法[J]. 中国电力, 2021, 54(3): 132-140.ZHANG Lin, LIU Jichun. A short-term load interval forecasting method based on eemd-se and pso-kelm[J]. Electric Power, 2021, 54(3): 132-140.

欢迎点击文后“阅读原文”跳转期刊官网，获取更多信息！

 往期回顾 

编辑：于静茹校对：许晓艳审核：方彤

声明

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。