基于WOA-VMD-ISSA-LSSVM的商业短期电力负荷预测研究

摘要

针对商业中心短期负荷预测难度大、精度低的问题,提出了一种基于WOA-VMD-ISSA-LSSVM的短期电力负荷预测模型。首先,采用鲸鱼优化算法(WOA)对变分模态分解(VMD)的最佳影响参数进行优化选择,得到最佳效果的分解子序列,减少不同趋势信息对预测精度的影响。然后针对麻雀搜索算法(SSA)在迭代后期会出现种群多样性减少和易陷入局部极值的问题,引入Tent混沌序列和动态自适应权重对麻雀搜索算法进行改进,并采用改进的麻雀搜索算法对最小二乘支持向量机(LSSVM)的惩罚参数和核参数进行优化组建ISSALSSVM预测模型。最后将分解后的各组数据分别输入ISSA-LSSVM模型中,并将每个子序列的预测结果相加得到最终预测结果。经某地区商业中心真实电力负荷数据仿真,验证了该模型的有效性,在一定程度上为实现微电网能管理中的发电优化调度、负荷管理提供依据。