论文部分内容阅读
由于短期天然气负荷受天气、温度和社会等多种复杂因素的影响而表现出非线性、非平稳的特性，在负荷曲线上表现为多种波动模态，而多数预测方法直接把影响因素引人到整体的燃气负荷中。为有效提高预测精度，提出一种采用经验模式分解（EMD）和粒子群小波神经网络（PSO_WNN）的短期燃气负荷预测方法。针对历史负荷中的不良数据，首先进行预处理，然后针对历史负荷序列的，再利用EMD按频率将负荷序列分解为固有模态IMF分量，小波神经网络（WNN）具有良好的非线性逼近能力和自学习能力，所以选择WNN预测模型，采用粒子群优化（PS