基于因散经验模式分解的电力负荷混合预测方法

针对目前常用负荷分析方法多依赖主观经验，而经典经验模式分解有时出现混频现象的问题，提出了一种基于因散经验模式分解的电力负荷混合预测方法。首先，采用经验模式分解的改进算法——因散经验模式分解将负荷序列分解，这样可以自适应地将目标序列分解为若干个独立的内在模式，因此能够克服依赖主观经验的缺点。然后，将这些内在模式基于fine-to-coarse重构为高频、低频和趋势3个分量。在对各分量特性进行分析的基础上，分别采用支持向量机、自回归移动平均和线性回归模型对其进行预测。最后，将3个分量的预测结果叠加作为最终的预测值。利用上述方法对某电网进行24点负荷预测，结果表明该方法可以有效地提高负荷预测精度。