Resumen

El pronóstico de carga del sistema de energía es una parte importante de la programación del sistema de energía. Dado que la carga del sistema de energía se ve fácilmente afectada por factores ambientales como el clima y el tiempo, tiene una alta volatilidad y multifrecuencia. Con el fin de mejorar la precisión de la predicción, este documento propone un método de pronóstico de carga basado en la descomposición modal variacional (VMD) y análisis de correlación de características. En primer lugar, la secuencia de carga original se descompone utilizando VMD para obtener una serie de funciones de modo intrínseco (IMF), a las que se hace referencia a continuación como un componente modal, y se dividen en señales de alta frecuencia, frecuencia intermedia y baja frecuencia según sus características de fluctuación. Luego, se recopila la información de características relacionadas con el cambio de carga del sistema de energía, y se analiza la correlación entre cada IMF y cada información de características utilizando la mínima redundancia de relevancia máxima (mRMR) basada en la información mutua para obtener el

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Pronóstico de carga del sistema eléctrico; Descomposición modal variacional; Análisis de correlación de características; Función de modo intrínseco; Red neuronal de retropropagación; Máquina de vectores de soporte de mínimos cuadrados
• Keywords:Power system load forecasting; Variational mode decomposition; Feature correlation analysis; Intrinsic mode function; Back propagation neural network; Least square-support vector machine