论文部分内容阅读
由于负荷序列可被看作是一系列具有不同频率特征分量的叠加，且小波分解能提取负荷的一些周期性和非线性特征，因此本文利用小波分析的方法对日负荷数据进行分解处理，将其分解为不同频率特征的序列，对分解后的各分量根据其特点分别采用相匹配的人工神经网络模型进行预测，其中稳定分量应用人工神经网络预测的精度高，同时由于人工神经网络处理非线性问题的能力强，对幅值较小的随机分量进行预测也有优势。考虑到气象因素特别是温度的影响，运用线性回归模型对小波重构后的结果进行修正。这一方法用于对河北省保定地区超前24 小时负荷预测，取得了比单纯的神经网络模型高的预测精度。