基于小波分解-卷积神经网络和支持向量回归的短期负荷预测

摘要：

为了提高短期负荷预测精度,考虑到除历史负荷数据之外的其他因素对短期负荷预测的重要影响,提出了一种基于离散小波分解(wavelet decomposition,WD)、卷积神经网络(convolutional neural network,CNN)和支持向量回归(support vector regression,SVR)的负荷预测模型.首先,该方法通过小波分解算法对历史负荷数据进行分析与重构,得到长度相同的历史负荷数据,降低了原始序列中非平稳性对预测精度的影响;其次,对天气因素、日期类型进行特征构造,得到特征数据;最后,将处理后的负荷数据输入卷积神经网络支持向量回归机模型,将天气特征数据输入反向传播(back propagation,BP)神经网络支持向量回归模型,通过两个模型结果的叠加得到最终的预测值.实验结果表明,模型的预测精度和效率优于传统的CNN网络、SVR网络以及输入不进行划分的CNN-SVR模型,验证了其可行性.

关键词：短期负荷预测;小波分解;卷积神经网络;支持向量回归

所属期刊栏目：21

分类号：TM715(输配电工程、电力网及电力系统)

资助基金：天津市自然科学基金重点项目08JCZDJC18600

在线出版日期：2021-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：10718-10724