基于EEMD和PSO-LSSVM模型的短期电力负荷预测

摘要

短期电力负荷预测是电力系统规划、运行、维护的基础.精确的负荷预测对电网的运行和供电调度提供了可靠的指导.为了提高负荷预测的精度,提出了一种基于集总经验模态EEMD和粒子群算法优化下的最小二乘支持向量机(PSO-LSSVM)模型方法.该方法先利用EEMD将数据分解成不同尺度的模态固有分量IMF分量和剩余分量,将分解的分量在PSO-LSSVM模型下对负荷数据进行预测.通过引进粒子群算法下的LSSVM模型与BP神经网络模型法进行仿真分析比对表明,优化下的LSSVM预测方法比BP神经网络方法在绝对误差、相对误差以及均方根误差都有提升.