共查询到20条相似文献，搜索用时 62 毫秒
1.
针对电力负荷序列不稳定性、随机性等特点引起的电力负荷预测精度下降等问题,提出MEEMD加窗改进方法和GRNN组合的短期电力负荷预测模型。利用GRNN神经网络延拓方法对原始信号两端数据进行延拓,用余弦窗函数对延拓数据加窗处理后再进行MEEMD分解,用神经网络对各分量趋势进行预测,叠加各分量的预测结果得到负荷序列的最终预测结果。实验结果表明,MEEMD加窗改进分解预测的平均绝对误差、平均绝对值百分比误差和均方根误差分别为73.926 8、0.818 0%和82.930 1。基于MEEMD加窗改进方法和GRNN组合的电力负荷预测不仅能抑制端点效应,而且能解决模态混叠和伪分解问题,提高了短期电力负荷的预测精度。 相似文献
2.
深度学习算法是目前台区负荷预测的主要方法.为解决深度学习方法在逻辑拟合、特征冗余方面的问题,提出一种基于经验模态分解和长短记忆神经网络算法的短期台区负荷预测模型.利用经验模态分解将台区负荷分解为多个本征模函数,使用相关性分析法从特征集合中选择各本征模函数的特征子集,用长短记忆神经网络对这些本征模函数分别进行预测.最后采... 相似文献
3.
《实验室研究与探索》2018,(10)
针对电力电缆故障的关键因素在于电缆分接头的温升。本文提出采用总体平均经验模态分解EEMD和改进Elman神经网络的方法对非线性电力电缆接头温度时间序列进行预测的方式达到预警电力电缆故障的目的。首先,采用光纤光栅传感器来监测电缆接头温度,得到样本序列。为避免模态混叠,采用EEMD对电力电缆接头温度序列进行预处理。预处理后的温度序列为一系列彼此独立的本征模函数分量,外加一个残余分量。为提高Elman神经网络的预测精度,在预测前利用相空间重构法对分解后的序列进行重构计算。在对重构序列数据进行归一化后利用Elman神经网络进行下一周期内的温度预测。实际预测结果表明,本文算法具有较高的拟合精度,适应性较好,可以推广应用至实际电力电缆故障的监测和预警系统。 相似文献
4.
针对常规降噪方法应用于柴油机缸盖振动信号降噪时,自适应差且需要根据噪声环境人为调整参数的问题,在传统EEMD算法基础上提出一种改进的EEMD降噪算法,并将其应用于柴油机缸盖振动信号处理。首先对原始信号进行预处理,其次利用总体经验模态分解（EEMD）算法在非线性、非平稳信号处理时的自适应特性,分解原始信号得到各阶本征模态分量,经Savitzky-Golay平滑滤波,再将噪声占主导的高频分量进行阈值去噪,最后得到干净的本征模态分量进行重构。仿真实验和实测结果表明,在输入信号12dB的多种输入信号工况下,改进EEMD算法去噪后信噪比为17.1,比现有去噪方法提升14%。 相似文献
5.
王焱 《桂林师范高等专科学校学报》2006,20(2):150-153,156
应用RBF(Radial Basis Function, 径向基函数)人工神经网络进行电力系统短期负荷预测.考虑了天气、经济、节假日等因素对电网负荷的影响,将负荷按照每周各日分类,共七种模式,学习样本选取每周中的相同类型日.在预测前还对原始数据中的伪数据进行剔除,提高了预测的精确度.利用从湖南省双峰电力局收集到的负荷数据进行网络模型的训练,所得结果表明了RBF网络对于负荷预测是有效性的. 相似文献
6.
为提高超短期电力负荷预测的准确度,提出一种基于相似日和粒子群算法——轻量梯度提升机的超短期电力负荷预测方法.对初始数据集进行特征构建,并利用灰色关联法筛选出与待预测日关联度较高的历史日.使用粒子群优化算法对LightGBM算法进行参数寻优,构造PSO-LightGBM负荷预测模型.实验分析表明,相较于传统预测方法,该方法提高了电力负荷预测的精度,为电力系统稳定运行提供了保障. 相似文献
7.
8.
刘朋辉 《江西电力职业技术学院学报》2023,(2):10-12
当前现有预测方法对智能电网短期时间内的电力负荷预测存在预测精度低、预测精度受气象条件变化影响等问题,现引入BP神经网络研究智能电网短期电力负荷预测方法：获取智能电网历史运行数据,对数据进行预处理,对样本进行归一化处理;利用BP神经网络构建电力负荷预测模型;建立模型训练网络拓扑结构,训练模型预测性能;完成电网短期电力负荷预测,并在考虑气象因素的情况下对预测进行补偿,得到预测结果。实验证明：新的预测方法在实际应用中预测精度更高,且预测精度不会受到气象条件的影响。 相似文献
9.
EMD方法在局部放电超声信号提取中的应用 总被引：1，自引：0，他引：1
变压器局部放电超声波定位中,首要任务是对超声波信号的提取,其准确性将直接影响到定位的实现.EMD方法可以将非线性、非平稳信号分解为不同频率成分的内禀模态函数,从而提取超声波信号.以山西省高压电气设备局部放电定位项目为背景,详细分析了EMD方法的原理、实现过程,并用实例测试仿真,验证了该方法的有效性与准确性. 相似文献
10.
11.
为提高对短期负荷的预测精度,提出基于小波变换,并加入电价因子构建MLP神经网络对负荷进行短期预测的方法。首先通过小波变换将原始负荷、电价序列进行分解,得到高、低频率的时间序列带;其次分别利用高频、低频电价序列对高频、低频负荷序列进行MLP神经网络训练与预测;最后,将预测的高频、低频负荷值通过小波变换,重构完整的负荷预测值。采用美国电力联盟实例对该方法进行验证,并与含电价因子的MLP网络预测法、经典MLP网络预测法,以及不含电价因子的CWT-MLP网络预测法预测效果进行比较。结果证明,含有电价因子,并结合小波与MLP神经网络构建的模型能够丰富数据信息,提高负荷预测精度。 相似文献
12.
介绍了时间序列的子集门限自回归模型,该模型可以复现非线性时间序列的周期性或季节性趋势．文中给出了子集门限自回归模型的辨识方法并应用于电力负荷的建模和短期预报．应用实例表明,其预测精度较高． 相似文献
13.
郭龙钢 《洛阳工业高等专科学校学报》2013,23(1)
由于影响电力负荷的因素之间存在着非线性,所以采用神经网络方案来进行短期电力负荷预测.对应用于实际的神经网络算法进行了具体处理,如数据的归一化,输入向量和输出向量的选择.仿真结果表明其有较好的预测精度.该模型具有网络结构较小、训练时间短、易于实现的优点. 相似文献
14.
准确预测云资源短期负载对提高云平台资源管理效率、保障云服务质量至关重要。针对传统模型在面对小样本、非线性云资源负载数据时预测精度不高，提出一种基于变分模态分解(VMD)和改进麻雀搜索算法(ISSA)优化最小二乘支持向量机(LSSVM)的云资源短期负载预测模型。将原始负载数据通过VMD分解成多个相对平稳的模态分量；对麻雀搜索算法进行优化，增强种群多样性，提高寻优性能和收敛速度。利用改进麻雀搜索算法优化LSSVM的关键参数，建立VMD-ISSA-LSSVM预测模型。利用Wikipedia网站的云资源负载数据进行仿真，结果表明，所提模型在预测精度上优于参照模型。 相似文献
15.
普通日短期电力负荷预测的一种方法 总被引：2，自引：0，他引：2
李鹰 《喀什师范学院学报》2005,26(3):79-81
电力负荷预测对电网的经济调度运行及电网的科学发展和合理规划可提供有力的科学依据．文中讨论了时间序列模型在短期电力负荷预测中的应用，提出了适合电网普通日电力负荷预测的数据处理方法，达到了一定的预测精度． 相似文献
16.
《东南大学学报》2021,(1)
针对经验模态分解时存在的端点效应问题,提出了一种基于序贯相似度检测和自适应滤波的方法来抑制EMD的端点效应.该方法将信号分成多个子波,通过改变初始子波的长度来选择误差最小、匹配种子子波个数最大的最佳初始子波,并利用子波斜率进行预匹配和二次匹配,以提高匹配速度.然后利用对折方式自适应调整阈值选择多个种子小波,最后根据自适应滤波方法对端点波形进行预测和扩展.利用该方法对非平稳非线性仿真信号和实验信号进行了分析,并与镜像拓延法和RBF拓延法进行了比较,该方法拓延后信号的EMD结果正交指数和相似指数优于其他方法.结果表明,该方法能较好地抑制端点效应,对解决端点效应问题具有一定的有效性、准确性和稳定性. 相似文献
17.
中长期电力负荷预测的回归模型及其应用 总被引：2，自引：0，他引：2
甄利玲 《雁北师范学院学报》2002,18(5):54-56
针对中长期电力负荷预测中观察数据及负荷变化规律,提出了一种预测方法,该方法通过建立具有线性回归模型或非线性回归模型,可以直接由观察数据预测出未来负荷值.本文通过实际算例验证了该方法的可行性. 相似文献
18.
《浙江大学学报(A卷英文版)》2016,(2)
目的:相对于由能量平衡方程得到的数值预报模型和以神经网络为代表的非线性模型而言,自回归(AR)模型在波浪预报中具有计算效率高、自适应性强和建模所需的样本小等优点,但同时存在局限于平稳线性假设的缺陷。针对非线性非平稳波浪的极短期预报问题,提出一种复合的经验模态分解自回归预报模型,提高波浪预报精度。创新点:1.研究非线性非平稳波浪极短期预报问题,提出一种复合的预报方法;2.基于三个不同地理位置的海洋波浪实测数据对预测模型进行验证,并分析非线性非平稳性对波浪预报结果的影响。方法:1.在AR模型中引入经验模态分解(EMD)方法,形成复合的EMD-AR预报模型;2.分析实测波浪数据的非线性和非平稳性特点,并基于实测波浪数据获得AR模型和EMD-AR模型的预报结果;3.基于多种预报误差度量分析AR模型和EMD-AR模型的预报性能以及非线性非平稳性对波浪预报结果的影响。结论:1.波浪非线性和非平稳性会导致AR预报模型精度降低。预报误差中,幅值上的偏差主要由波浪的非线性引起,而相位上的偏差则是源于波浪的非平稳性;2.EMD方法能够有效地克服波浪非线性和非平稳性对AR模型在精度上所带来的不良影响,在精度上EMD-AR模型的预报结果较AR模型有较大提高。 相似文献
19.
20.
为了更有效地分离与改正GNSS多路径误差,提出一种将集合经验模态分解(EEMD)和小波分析(wavelet)方法相组合的改进滤波方法.首先采用EEMD将GNSS信号分解为若干个IMF项与残余项,再采用一种组合分类准则将IMF项与残余项细分为噪声项、混合项和有用项,最后将小波降噪后的混合项与有用项重构得到GNSS多路径误差,建立误差改正模型.通过对科廷大学GNSS研究中心提供的实测数据处理分析,研究结果表明：所提方法能够更大程度地从GNSS数据中分离多路径误差,并且有效改进了EEMD与小波方法在多路径误差削弱上的不足.利用该方法分离的多路径误差建立的误差改正模型不仅精度更高,对相关信号处理的研究也具有一定的参考价值. 相似文献