基于改进经验模态分解法和T-Copula的短期负荷预测

为解决短期负荷预测问题,进一步提高预测精度,提出了一种混合型短期负荷预测模型。采用改进的经验模态分解法将负荷分解为若干低频分量;为补偿信号分解过程中的信息损失,利用T-Copula将相关变量的影响纳入模型中,从风险值中提取峰值负荷二元变量,以提高高峰时段的负荷预测精度;将改进经验模态分解法和T-Copula得到的数据应用于深度置信网络,预测未来特定时间的负荷需求;用平均绝对百分率误差和均方根误差评估了该负荷预测模型的性能。结果表明,与传统的预测方法相比,所提模型具有较高的预测精度。