面向工业用户的混合DWT-DE-RNN电力负荷预测

电力负荷短期预测对于电力行业规划发展具有重要意义。随着电力市场的改革发展,电力负荷的短期预测对于工业制造型企业有效降低用能成本显得极为重要。然而,实际荷载序列数据体现出多重复杂特性,例如非线性、非平稳性和时间变化等因素影响。这里提出一种由离散小波变换(DWT)、差分进化算法(DE)和径向基函数神经网络(RBFNN)组成的三级混合集成短期负荷预测方法。DWT用于分解负荷数据以获得良好的用电特征;DE用于获得RBFNN预测所需的最佳可调参数。使用PJM公用数据集2001年负荷数据和辽宁省某地工业园区2015年整年数据对这里混合集成方法(DWT-DE-RBFNN)进行了评估。将DWT-DE-RBFNN方法与其他三种主流耦合方法(RBFNN、BPNN、SaDE-ELM)进行了比较。统计分析表明,这里所提方法在MAPE、MAD和RMSE的三种标准尺度上表现出更好的预测精度,体现了该方法的先进性。