基于相似日搜索的改进LMD与ESN相结合的短期电力负荷预测模型

张亚丽， 胡伯轩， 李莎莎， 罗 勇

(1.河南省电力勘测设计院 河南 郑州 450000； 2.郑州大学 电气工程学院河南 郑州 450001； 3.河南省工程咨询公司 河南 郑州 450000)

基于相似日搜索的改进LMD与ESN相结合的短期电力负荷预测模型

张亚丽1， 胡伯轩2,3， 李莎莎2， 罗 勇2

(1.河南省电力勘测设计院 河南 郑州 450000； 2.郑州大学 电气工程学院河南 郑州 450001； 3.河南省工程咨询公司 河南 郑州 450000)

短期电力负荷容易受到自然因素及社会因素的影响，这使得负荷预测比较困难.为了提高短期负荷的预测精度，提出了基于相似日搜索的改进局部均值分解(ILMD)和回声状态网络(ESN)相结合的短期电力负荷预测模型.首先用模糊聚类分析将与预测日最相似的多个日期筛选出来.然后把这些相似日的整点负荷数据按照时间先后排成一组数据序列，用改进的LMD进行分解，对分解出的各个分量分别建立一个ESN网络，对每一个网络分别训练并进行预测.最后把每个网络的预测结果累加起来就是最终的预测值.实验证明此方法能有效提高预测精度.

负荷预测； 局部均值分解； 回声状态网络； 相似日； 模糊聚类

0 引言

当前电能一般还不能大容量的存储，生产、输送和消费是在同一时间完成的.因此，电能的生产应每时每刻与电能的消费量保持平衡.精确预测电力负荷，既是为了保证人民生活和国民经济各部门对电力的需求，也是电力工业自身发展的需要[1-2].由于短期电力负荷容易受到自然因素和社会因素的影响，所以……