本发明提出了基于互补集合经验模态分解算法融合社会类因素的负荷预测方法,将社会经济类因素和社会政策类因素纳入影响电力负荷的相应特征库,进行数据预处理,将数据预处理后的特征变量数据通过随机森林法(RF)进行合理选择,选择出对电力负荷最重要的特征量。结合CEEMD法来分解所选训练集的电力负荷信号序列,自适应分解得到若干个IMF序列成分和一个残差序列成分,将电力负荷信号序列的IMF重构为噪声,周期和趋势。针对重构后的电力负荷IMF分量和新能源消纳量IMF分量将其输入到MKNN模型,并将输出的相应结果相加以获得最终的预测结果,本发明有利于新能源合理消纳,提高了考虑促进新能源消纳的调度可靠性。
声明:
“基于互补集合经验模态分解算法融合社会类因素的负荷预测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)