论文部分内容阅读
为了提高具有随机性和复杂性的电力负荷预测精度，提出了一种基于EMD与GA—BP神经网络的短期负荷预测。该方法利用EMD的优点，将原始电力负荷序列分解为若干个IMF分量和余项。针对BP神经网络训练时间长，且容易陷入局部最小的缺点，利用遗传算法优化了BP神经网络，替代了传统的BP算法。最后通过分析各个分量的自身特点，分别构建不同的BP神经网络模型，对各分量分别进行预测，相加各分量预测值，得到了最终预测结果。实例验证表明，与EMD—BP预测方法相比，该方法具有较高的负荷预测精度和较强的适应能力。