TY -的A2 Scarpiniti米歇尔盟——张,帮派盟——刘Hongchi AU - Li Pingli AU -李,孟盟——他,强盟,曹国伟,海亮盟——张Jiangbin AU -侯,Jinwang PY - 2020 DA - 2020/01/20 TI -负荷预测基于混合模型的VMD-mRMR-BPNN-LSSVM SP - 6940786六世- 2020 AB -电力系统负荷预测是电力系统调度的一个重要组成部分。由于电力系统负载很容易受到环境因素如天气和时间的影响,高波动性和多频。为了提高预测精度,提出了一种基于变分模态分解的负荷预测方法(VMD)和特征相关性分析。首先,原始负荷序列分解使用VMD获取一系列的固有模态函数(IMF),它是指下面的模态分量,他们分为高频、中频、低频信号根据他们的波动特征。然后,电力系统负载的变化特性相关的信息收集,和每个国际货币基金组织和每个特性之间的相关性信息分析使用最大相关最小冗余(mRMR)基于互信息来获取每个IMF最好的特性集。最后,每个组件输入预测模型以及其特性集,在反向传播神经网络(摘要)是用来预测高频分量,最小二乘支持向量机(二)是用来预测中间和较低的频率成分,摘要也用于集成预测结果得到最终的负荷预测价值,并比较本文方法的预测结果与预测模型的自回归滑动平均模型(ARMA)等生物,摘要,经验模态分解(EMD),集成经验模态分解(EEMD)和VMD。进行实例分析的基础上,西安电网公司数据和结果表明,该方法的预测精度较高。SN - 1076 - 2787你——https://doi.org/10.1155/2020/6940786——10.1155 / 2020/6940786 JF - PB - Hindawi KW - ER -复杂性