基于EEMD-EN-SVR的短期负荷预测方法

摘要

支持向量回归(SVR)应用于短期负荷预测时,出现训练时间变长、结果精度下降现象的主要原因是由于输入中存在冗余不相关特征.考虑到弹性网回归(EN)能够有效剔除冗余不相关特征的特点,构建基于EEMD-EN-SVR的短期负荷预测模型.该模型采用集合经验模态分解(EEMD)对负荷序列进行分解并提取用电特征,使用EN方法进行特征选择,筛选出冗余和不相关特征,获得最佳特征集,最终利用粒子群算法优化的支持向量回归(PSO-SVR)对短期负荷进行预测.通过某地区的真实用电数据进行实验分析,并与文中所提到的其他模型进行比较,结果表明,所提方法的预测精度和鲁棒性较好.