| 摘要: |
| 为了有效预测具有一定周期性和随机性的非平稳时间序列的电力负荷，提高预测精度，提出了一种基于经验模式分解(EMD)和人工神经网络(ANN)的电力短期负荷预测方法。该法利用EMD的自适应性，自动地将目标负荷序列分解为若干个独立的内在模式分量(IMF)，对各分量分别进行分析，可准确把握负荷变化特性和环境因素影响。对这些分量采用相匹配ANN模型进行预测，综合得到负荷序列的最终预测结果。仿真试验表明，与传统BP神经网络预测方法相比该方法具有较高的精度和较强的适应能力。 |
| 关键词: 短期电力负荷 经验模式分解 内在模式分量 人工神经网络 |
| DOI：10.7667/j.issn.1674-3415.2009.23.015 |
|
| 基金项目:国家自然科学基金（50777066） |
|
|
|
| () |
| Abstract: |
|
| Key words: |
