基于集合经验模态分解和ARIMA-GRNN的负荷预测方法

王洪亮，陈新源，赵雨梦

(昆明理工大学 电力工程学院,云南 昆明 650500)

智能电网作为研究热点受到越来越多的关注。用户是电网服务的对象，在智能电网中发挥着至关重要的作用。对用户侧数据进行采集、传输和存储，有利于管理电网发电需求。对用户负荷数据进行管理可以使电网更加安全可靠地运行[1]。电力负荷预测在保证电力系统安全及经济运行方面具有重要意义。进行负荷预测，需要建立与之对应的数学模型。随着负荷预测理论研究的不断深入，电力负荷预测的理论和方法也越来越多，例如神经网络、模糊理论、小波分析等[2]。但是这些方法仍具有局限性，例如神经网络算法要按照一定的准则进行学习，然后才能工作，而且容易出现陷入局部极小的现象。目前已有的负荷预测理论方法已无法满足预测速度和精度的要求，当计算数据非常庞大时，传统方法就显得力不从心，通常耗时几小时甚至几天。随着智能电网的发展，需要进行海量数据的收集、存储和处理，因此亟需一种新的大数据处理方法[3]。新型负荷的出现也对电网提出更高的要求，在大量数据基础上进行数据预测就显得十分重要[4]。在上述背景下，本文提出一种基于集合经验模态分解和ARIMA-GRNN的混合负荷预测模型，兼顾了电力负荷内在的线性特征与非线性特征，可以对电力系统负荷预测进行有效分析。仿真结果表明，该模型算法较之传统单一算法效果更加优越。……