本文選題：集成經(jīng)驗模態(tài)分解 + 回聲狀態(tài)網(wǎng)絡�。� 參考：《計算機應用》2014年12期

【摘要】：為了提高短期電力負荷預測的精度,提出一種噪聲互補型集成經(jīng)驗模態(tài)分解(CEEMD)-模糊熵和泄漏積分型ESN(Li ESN)的組合預測方法。為降低對負荷序列進行局部分析的計算規(guī)模以及提高負荷預測的準確性,首先采用CEEMD-模糊熵將負荷時間序列分解為具有明顯復雜度差異的負荷子序列;然后,通過對各子序列進行特性分析,分別構(gòu)建相應的子Li ESN預測模型;最后將各子序列的預測結(jié)果疊加得到最終預測值。將CEEMD-模糊熵結(jié)合Li ESN的組合預測方法應用于美國新英格蘭地區(qū)短期電力負荷實例中,仿真結(jié)果表明,所提出的組合預測方法具有很高的預測精度。
[Abstract]:In order to improve the accuracy of short-term power load forecasting, a combined forecasting method of noise complementary integrated empirical mode decomposition (CEEMD-fuzzy entropy) and leakage integral ESNLi (ESNLi ESNN) is proposed. In order to reduce the calculation scale of local analysis of load series and improve the accuracy of load forecasting, the load time series is decomposed into load sub-sequences with obvious complexity difference by using CEEMD-fuzzy entropy. By analyzing the characteristics of each sub-sequence, the corresponding sub-Li ESN prediction model is constructed, and the final prediction value is obtained by superposing the prediction results of each sub-sequence. The combined forecasting method of CEEMD-Fuzzy Entropy and LiESN is applied to the short-term power load prediction in New England, USA. The simulation results show that the proposed combined forecasting method has a high prediction accuracy.
【作者單位】： 蘭州交通大學自動化與電氣工程學院;寧夏東部熱電股份有限公司;
【基金】：甘肅省財政廳基本業(yè)務費資助項目(620026) 甘肅省教育廳碩導項目(1104-09)
【分類號】：TM715

【參考文獻】

相關(guān)期刊論文 前5條

1 嵇靈;牛東曉;吳煥苗;;基于貝葉斯框架和回聲狀態(tài)網(wǎng)絡的日最大負荷預測研究[J];電網(wǎng)技術(shù);2012年11期

2 王賀;胡志堅;陳珍;仉夢林;賀建波;李晨;;基于集合經(jīng)驗模態(tài)分解和小波神經(jīng)網(wǎng)絡的短期風功率組合預測[J];電工技術(shù)學報;2013年09期

3 廖旎煥;胡智宏;馬瑩瑩;盧王允;;電力系統(tǒng)短期負荷預測方法綜述[J];電力系統(tǒng)保護與控制;2011年01期

4 張學清;梁軍;;基于EEMD-近似熵和儲備池的風電功率混沌時間序列預測模型[J];物理學報;2013年05期

5 羅軼;;基于ESN和Elman神經(jīng)網(wǎng)絡的交通流預測對比研究[J];湖南工業(yè)大學學報;2013年06期

【共引文獻】

相關(guān)期刊論文 前10條

1 蔣燕;王少楊;封蕓;;基于遞歸等權(quán)組合模型的中長期電力負荷預測[J];電力系統(tǒng)及其自動化學報;2012年01期

2 李鵬鵬;彭顯剛;孟安波;李慧良;農(nóng)為踴;;小波貝葉斯神經(jīng)網(wǎng)絡在沖擊負荷地區(qū)短期負荷預測中的應用[J];電力科學與工程;2012年11期

3 王干軍;徐衍會;;負荷預測準確性評估方法研究[J];廣東電力;2012年11期

4 焦?jié)櫤?蘇辰雋;林碧英;莫瑞芳;;基于氣象信息因素修正的灰色短期負荷預測模型[J];電網(wǎng)技術(shù);2013年03期

5 曲朝陽;辛紅金;陳鵬;辛彩春;;基于混合支持度Apriori算法的短期負荷預測模型[J];電測與儀表;2013年03期

6 肖峻;張璇;張婷;林立鵬;;應用信息熵原理的多路徑負荷預測協(xié)同方法[J];電力系統(tǒng)及其自動化學報;2013年02期

7 洪翠;;配電網(wǎng)短期負荷小波組合預測研究[J];福州大學學報(自然科學版);2013年03期

8 胡柏初;胡剛;胡朝華;青松;李明偉;彭超;;基于灰色預測的電網(wǎng)基建投資測算模型[J];電子科技大學學報;2013年06期

9 蘇宜強;;某市春節(jié)負荷特性分析及預測方法應用研究[J];電力需求側(cè)管理;2014年01期

10 雷苗;彭宇;彭喜元;;一種面向混沌時間序列預測的虛擬特征提取算法[J];電子與信息學報;2014年10期

相關(guān)博士學位論文 前1條

1 林少伯;含光伏電源的微電網(wǎng)儲能控制技術(shù)研究[D];華北電力大學;2013年

相關(guān)碩士學位論文 前10條

1 史鵬飛;面向?qū)ο蟮碾娏ο到y(tǒng)綜合負荷預測軟件開發(fā)及應用[D];太原理工大學;2011年

2 張煒桀;智能電網(wǎng)環(huán)境下的電力負荷預測[D];西南交通大學;2011年

3 楊占杰;智能配電網(wǎng)短期負荷預測研究[D];天津大學;2012年

4 劉明;基于小波和神經(jīng)網(wǎng)絡理論的電力系統(tǒng)負荷預測研究[D];南京理工大學;2012年

5 劉興陽;智能算法的研究與應用[D];江南大學;2012年

6 高琳琳;基于數(shù)據(jù)挖掘的短期負荷預測[D];南昌大學;2012年

7 萬志宏;基于時間序列的電力系統(tǒng)短期負荷預測研究[D];華南理工大學;2012年

8 陳堅;基于支持向量機的短期負荷預測研究[D];華南理工大學;2012年

9 聶坤凱;考慮負荷不確定性的隨機機組組合問題研究[D];湖南大學;2011年

10 苑珍珍;基于改進支持向量機的短期負荷預測研究[D];華北電力大學;2012年

【二級參考文獻】

相關(guān)期刊論文 前10條

1 羅熊;黎江;孫增圻;;回聲狀態(tài)網(wǎng)絡的研究進展[J];北京科技大學學報;2012年02期

2 冬雷;王麗婕;高爽;廖曉鐘;;基于混沌時間序列的大型風電場發(fā)電功率預測建模與研究[J];電工技術(shù)學報;2008年12期

3 高山,單淵達;神經(jīng)網(wǎng)絡短期負荷預測輸入變量選擇新方法[J];電力系統(tǒng)自動化;2001年22期

4 康重慶,夏清,張伯明;電力系統(tǒng)負荷預測研究綜述與發(fā)展方向的探討[J];電力系統(tǒng)自動化;2004年17期

5 楊正瓴;王渭巍;曹東波;張軍;陳曦;;短期負荷預測的Ensemble混沌預測方法[J];電力系統(tǒng)自動化;2007年23期

6 王鵬;邰能靈;王波;翟海青;葉劍;李磊;朱家棟;漆梁波;;針對氣象因素的短期負荷預測修正方法[J];電力系統(tǒng)自動化;2008年13期

7 趙宇紅;肖金鳳;陳忠澤;;混合模糊神經(jīng)網(wǎng)絡在短期負荷預測中的應用[J];電力系統(tǒng)及其自動化學報;2006年02期

8 張振高;楊正瓴;;短期負荷預測中的負荷求導法及天氣因素的使用[J];電力系統(tǒng)及其自動化學報;2006年05期

9 李廣;鄒德忠;談順濤;;基于混沌神經(jīng)網(wǎng)絡理論的小電網(wǎng)短期電力負荷預測[J];電力自動化設(shè)備;2006年02期

10 梁海峰,涂光瑜,唐紅衛(wèi);遺傳神經(jīng)網(wǎng)絡在電力系統(tǒng)短期負荷預測中的應用[J];電網(wǎng)技術(shù);2001年01期

相關(guān)博士學位論文 前1條

1 楊飛;基于回聲狀態(tài)網(wǎng)絡的交通流預測模型及其相關(guān)研究[D];北京郵電大學;2012年

【相似文獻】

相關(guān)期刊論文 前10條

1 劉璨,姚錫凡;特征分區(qū)的不確定性及模糊熵評判研究[J];機械與電子;2005年07期

2 常遠;郝軼;黃曉津;李春文;梁記興;劉景源;;基于模糊熵的核電站瞬態(tài)識別方法[J];原子能科學技術(shù);2014年09期

3 王國鋒;蘆麗明;李言俊;張科;;基于模糊熵的紅外圖象分割方法[J];彈箭與制導學報;2002年S1期

4 李俠;毛軍軍;湯義強;;基于模糊熵的城市設(shè)施水平綜合評價分析[J];計算機技術(shù)與發(fā)展;2010年07期

5 谷令軍;周進;;一種基于模糊熵的相位編組提取直線的方法[J];儀器儀表用戶;2010年03期

6 田京;羅志增;;基于模糊熵的運動想像腦電信號特征提取[J];華中科技大學學報(自然科學版);2013年S1期

7 陳業(yè)華;黃元美;高峰;;基于模糊熵的聚類有效性分析[J];燕山大學學報;2007年01期

8 王鳳山;黃育;劉猛;;基于兩階段模糊熵權(quán)的震災搶修搶建價值評估模型[J];中國安全科學學報;2010年11期

9 單鑫;張福光;劉士新;王新政;;艦載導彈配送路徑?jīng)Q策模糊熵物元模型[J];兵工自動化;2012年05期

10 孫文邦;陳賀新;唐海燕;于光;;基于二維模糊熵的圖像非監(jiān)督變化檢測[J];吉林大學學報(工學版);2011年05期

相關(guān)會議論文 前6條

1 齊思剛;;基于模糊熵的模糊數(shù)運算[A];模糊集理論與模糊應用專輯——中國系統(tǒng)工程學會模糊數(shù)學與模糊系統(tǒng)委員會第十屆年會論文選集[C];2000年

2 胡應平;;運用模糊熵構(gòu)建協(xié)調(diào)模型[A];模糊集理論與應用——98年中國模糊數(shù)學與模糊系統(tǒng)委員會第九屆年會論文選集[C];1998年

3 魏華;王志強;張運杰;;基于模糊熵的備擇邊緣細化方法[A];全面建設(shè)小康社會：中國科技工作者的歷史責任——中國科協(xié)2003年學術(shù)年會論文集（上）[C];2003年

4 吳川;朱明;楊冬;;基于最大模糊熵原則的低對比度圖像閾值選取法[A];第十一屆全國信號處理學術(shù)年會（CCSP-2003）論文集[C];2003年

5 李筠;祝勇;;誤差分布類型的模糊熵判別方法[A];第七屆青年學術(shù)會議論文集[C];2005年

6 何春;陸俊;;基于模糊熵方向特征的圖像邊緣檢測方法[A];圖像圖形技術(shù)研究與應用(2010)[C];2010年

相關(guān)碩士學位論文 前10條

1 趙鳳;基于模糊熵理論的若干圖象分割方法研究[D];西安郵電學院;2007年

2 吳學謙;互模糊熵的改進及其在心衰檢測中的應用[D];山東大學;2014年

3 張麗波;基于三角模糊熵的信息安全風險評估研究[D];黑龍江大學;2013年

4 李世航;基于模糊熵的貸款組合決策模型[D];山東師范大學;2014年

5 白禮虎;基于模糊互補判斷矩陣和直覺模糊熵的決策研究[D];安徽大學;2013年

6 白雪;基于模糊優(yōu)化的模糊熵理論研究及應用[D];哈爾濱理工大學;2011年

7 王占江;基于概率密度分布與模糊熵的目標檢測技術(shù)[D];哈爾濱工程大學;2011年

8 李想;基于模糊熵的特征選擇方法的研究與實現(xiàn)[D];東北師范大學;2010年

9 黃詩蘋;基于熵的嗅覺仿生模型的研究[D];湖南大學;2012年

10 姚登寶;模糊信息環(huán)境的熵測度及其應用[D];安徽大學;2013年

，

本文編號：1994374