电工电能新技术

作者：邹红波， 伏春林， 喻圣

单位：三峡大学电气与新能源学院， 湖北 宜昌 443002

关键词：Akima插值, LMD算法, GRNN神经网络, 短期负荷预测

基金：三峡大学人才科研启动基金项目（KJ201313022）

传统局域均值分解（LMD）对极值点采用了滑动平均值处理得到局域均值函数和局域包络函数，易造成分解的分量过平滑而影响精度。为了减小过平滑影响，采用Akima插值法代替滑动平均值法处理局域函数来改进LMD算法，针对电力系统负荷序列的非平稳性和非线性，利用改进LMD算法进行序列分解得到若干分量，再利用广义回归神经网络（GRNN）预测各个分量的趋势，叠加各分量趋势得到负荷序列总趋势。GRNN神经网络较传统神经网络训练速度快、精度高，能很好地预测非线性序列。算例分析表明，改进LMD结合GRNN的方法较经验模态分解（EMD）结合GRNN的方法在短期电力负荷预测中有更高的预测精度。

来源：2018年第1期

《电工电能新技术》期刊编辑部

查看电工电能新技术杂志2018年第1期