基于改进LSSVM的短期电力负荷预测

来源：电子测量技术杂志2021年第18期北京时间：

作者：杨 邓，杨俊杰，胡晨阳，崔 丹，陈照光

单位：1. 上海电力大学 电子与信息工程学院，上海 200090;2. 上海电机学院，上海 201306

摘要：针对电力负荷随机性、波动性以及非线性因素所导致预测精度不高等问题，提出了一种基于变分模态分解(VMD)与麻雀搜索算法(SSA)优化的最小二乘支持向量机(LSSVM)短期负荷预测模型。该方法首先借助VMD将原始负荷时间序列分解成不同频率的本征模态函数(IMF)和残差分量(Res)，然后对各分量建立不同的LSSVM预测模型并利用SSA进行参数优化，最后将各分量预测值组合得到最终的预测结果。以比利时蒙斯大学和中国河南省某地区两组真实数据为例进行预测分析，将预测结果与LSSVM、VMD-LSSVM、SSA-LSSVM模型预测值对比,得出本文方法的两组数据MAPE值分别为1.5016%、4.765%，远低于其他模型。结果表明本文组合预测模型在预测精度上具有一定的优越性。

关键词：负荷预测;变分模态分解;麻雀搜索算法;最小二乘支持向量机;预测模型;预测精度

基金资助：国家自然科学基金项目(61202369;61401269;61572311)、上海市科技创新行动计划地方院校能力建设项（17020500900）、上海市教育发展基金会和上海市教育委员会“曙光计划”（17SG51）资助