基于ICEEMDAN的钢铁行业负荷预测方法OACSTPCD

针对钢铁行业负荷预测精度不高的问题,提出了基于ICEEMDAN(改进的自适应噪声完备集合经验模态分解)的钢铁行业负荷预测方法。首先,通过ICEEMDAN将钢铁行业电力负荷分解为高、低频模态分量。其次,基于GA(遗传)算法筛选出高、低频分量的主要影响因素,并采用PSO-BP(粒子群优化-反向传播神网络)算法分别构建高、低频分量预测模型。最后,将各组分量的预测结果迭代重组,得到最终的负荷预测结果。算例分析结果表明,相较于其他预测方法,该方法的预测误差小,精度较高。