基于互补型集成经验模态分解模糊熵和回声状态网络的短期电力负荷预测

？为了提高短期电力负荷预测的精度,提出一种噪声互补型集成经验模态分解(ceemd)模糊熵和泄漏积分型esn(liesn)的组合预测方法。为降低对负荷序列进行局部分析的计算规模以及提高负荷预测的准确性,首先采用ceemd模糊熵将负荷时间序列分解为具有明显复杂度差异的负荷子序列；然后,通过对各子序列进行特性分析,分别构建相应的子liesn预测模型；最后将各子序列的预测结果叠加得到最终预测值。将ceemd模糊熵结合liesn的组合预测方法应用于美国新英格兰地区短期电力负荷实例中,仿真结果表明,所提出的组合预测方法具有很高的预测精度。