张晓燕,林鸿才,黄波,陈炜

• 1:国网福州供电公司

摘要(Abstract)：

精准的短期负荷预测能够为实行节能降耗和开展调度精细化管理打下扎实基础。该文提出一种新型的基于最优交集相似日的EMD-SVR短期负荷预测法，首先，依据熵权相似度法与灰靶理论确定最优交集相似日Ω;其次，搭建EMD-SVR预测模型，预测待测日的24h节点的负荷量。以福建省某市一变电站连续一周待测日负荷为例，预测结果依次与近大远小原则法、相似度排序法、加权k-means聚类法对比，平均相对误差值、最大相对误差值均较小，提供了一种可靠的短期负荷预测思路。

关键词(KeyWords)： 相似日;最优交集;支持向量机;负荷预测

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 张晓燕,林鸿才,黄波,陈炜

参考文献(References)：

• [1]KAMAL L,JAFRI Y Z.Time series models to simulate and forecast hourly averaged wind speed in Quetta,Pakistan[J].Solar Energy,1997,61(1):23-32.
• [2]雷涛，吕勇，马淑慧.基于改进灰色理论的主动配电网中长期负荷预测[J].电网与清洁能源，2016,32(9):22-28.
• [3]茅竹韧.人工神经网络在电力系统短期负荷预测中的应用[J].上海电力，2011(4):318-323.
• [4]李瑾，刘金朋，王建军.采用支持向量机和模拟退火算法的中长期负荷预测方法[J].中国电机工程学报，2011,31(16):63-66.
• [5]李啸骢，李春涛，从兰美，等.基于动态权值相似日选取算法的短期负荷预测[J].电力系统保护与控制，2017,45(6):1-8.
• [6]田淑慧，于惠钧，赵巧红，等.基于经验模态分解的PSO-SVM风电功率短期预测[J].湖南工业大学学报，2018,3(3):59-64.
• [7]王芳芳.负荷预测模型的建立及基于回归分析法的负荷预测[J].中国高新技术企业，2011(34):56-58.
• [8]孟安波，胡函武，刘向东.基于纵横交叉算法优化神经网络的负荷预测模型[J].电力系统保护与控制，2016,44(7):102-106.
• [9]周尚珺玺，马立新.基于入侵杂草优化算法的支持向量机负荷预测[J].电力科学与工程，2017,33(2):35-40.
• [10]吴起，宋立国，张宇飞.一元线性回归模型在负荷预测中的应用[J].中国电力教育，2010(S1):265-267.
• [11]陈亚，李萍.基于神经网络的短期电力负荷预测仿真研究[J].电气技术，2017(1):26-29.
• [12]李滨，黄佳，吴茵，等.基于分形特性修正气象相似日的节假日短期负荷预测方法[J].电网技术，2017,41(6):1949-1955.
• [13]张倩.电力系统短期负荷预测[D].北京：华北电力大学，2013.
• [14]李建坡，赵继印，郑蕊蕊，等.基于灰靶理论的电力变压器状态评估新方法[J].吉林大学学报(工学版),2008(1):201-205.
• [15]施式亮，李润求，罗文柯.基于EMD-PSO-SVM的煤矿瓦斯涌出量预测方法及应用[J].中国安全科学学报，2014,24(7):43-49.
• [16]孙俊，丛孙丽，毛罕平，等.基于高光谱的油麦菜叶片水分CARS-ABC-SVR预测模型[J].农业工程学报，2017,33(5):178-184.
• [17]杨晓忠，司梦.应用最小二乘支持向量机进行短期负荷预测的研究与实现[J].河南理工大学学报(自然科学版),2013(3):327-331.
• [18]刘自发，庞铖铖，魏建炜，等.基于IAHP和TOPSIS方法的负荷密度指标计算[J].电力系统自动化，2012,36(13):56-60.
• [19]曹彦伟，谢旭，何涛.基于数据挖掘技术的短期电力负荷预测[J].工程技术(文摘版),2016(6):27.