随着电力现货市场的开展,短期电价预测对于各市场主体的决策有着重要意义,而高比例清洁能源与储能的不断接入给短期电价预测带来很大挑战。提出一种基于最大信息系数法(maximum information coefficient,MIC)、集成经验模态分解(ensembl...随着电力现货市场的开展,短期电价预测对于各市场主体的决策有着重要意义,而高比例清洁能源与储能的不断接入给短期电价预测带来很大挑战。提出一种基于最大信息系数法(maximum information coefficient,MIC)、集成经验模态分解(ensemble empirical mode decomposition,EEMD)和改进Informer的短期电价多步预测模型。首先,采用MIC分析出与电价相关性较高的几类因素作为模型原始输入序列;然后,将上述原始序列进行EEMD分解后得到多条本征模函数(intrinsic mode function,IMF)和一个残余项后输入改进Informer分别得到翌日24点多步预测结果,再对预测结果进行滤波;最后,将滤波后序列的预测结果叠加得到最终的预测值。以西班牙电力市场数据进行验证,实验结果证明该模型可以有效提高电力市场短期电价多步预测精度。展开更多
地震数据去噪是地震数据处理中极为重要的个环节。有效分离地震噪声可为后续处理解释提供高质量的地震资料。目前,传统的地震数据去噪方法有时空域预测滤波、多项式预测滤波和非平稳预测滤波以及变换域、频空域、时频域、稀疏变换域、...地震数据去噪是地震数据处理中极为重要的个环节。有效分离地震噪声可为后续处理解释提供高质量的地震资料。目前,传统的地震数据去噪方法有时空域预测滤波、多项式预测滤波和非平稳预测滤波以及变换域、频空域、时频域、稀疏变换域、经验变换域的频域滤波等(Liu Guochang et al.,2019)。模式分解去噪算法存在时间长、成本高的缺点。展开更多
文摘地震数据去噪是地震数据处理中极为重要的个环节。有效分离地震噪声可为后续处理解释提供高质量的地震资料。目前,传统的地震数据去噪方法有时空域预测滤波、多项式预测滤波和非平稳预测滤波以及变换域、频空域、时频域、稀疏变换域、经验变换域的频域滤波等(Liu Guochang et al.,2019)。模式分解去噪算法存在时间长、成本高的缺点。