一种时频尺度下的多元短期电力负荷组合预测方法OA北大核心CSTPCD
A multi-component short-term power load combination forecasting method on a time-frequency scale
随机因素的增加导致电力负荷数据成分日渐复杂,使短期负荷预测的难度逐渐增大.针对该问题,提出一种时频尺度下的时间卷积网络与多元线性回归相融合的组合预测模型.利用自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)在时频域上将负荷数据分解为若干个频率特征不同的本征模态分量,在模糊熵准则下聚类为随机项和趋势项.采用皮尔逊系数…查看全部>>
The increase of stochastic factors leads to increasing complexity of power load data components.This makes short-term load forecasting progressively more difficult.Thus a combined forecasting model fusing a temporal convolutional network with multiple linear regression on the time-frequency scale is proposed.The complete ensemble empirical mode decomposition with adaptive noise(CEEMDAN)is used to decompose the load data into multiple intrinsic mode functions…查看全部>>
李楠;姜涛;隋想;胡禹先
现代电力系统仿真控制与绿色电能新技术教育部重点实验室(东北电力大学),吉林吉林 132012||东北电力大学电气工程学院,吉林吉林 132012东北电力大学电气工程学院,吉林吉林 132012南京南瑞继保电气有限公司,江苏南京 210000国家电网吉林省电力有限公司白城供电公司,吉林白城 137000
短期电力负荷预测时频尺度分解算法模糊熵模型融合
short-term power load forecastingtime-frequency scaledecomposition algorithmfuzzy entropymodel fusion
《电力系统保护与控制》 2024 (13)
47-58,12
This work is supported by the National Natural Science Foundation of China(No.61973072). 国家自然科学基金项目资助(61973072)
评论