控制理论与应用

作者：于军琪,边策,赵安军,解云飞,惠蕾蕾

单位：西安建筑科技大学,西安建筑科技大学,西安建筑科技大学,西安建筑科技大学,西安建筑科技大学

关键词：负荷预测; 变分模态分解; 最小二乘支持向量机; 极端梯度提升; 随机误差分析

基金：国家重点研发计划项目(2017YFC0704100), 西安咸阳机场三期扩建工程绿色能源站系统智能管控咨询与顾问项目技术服务项目(20210103)资助.

针对空调负荷预测实际应用中容易存在数据散杂且可用信息匮乏的问题, 从负荷序列的非线性、非平稳性和随机性出发, 提出了一种基于变分模态分解(VMD)的负荷预测方法. 对不同数据特征序列考虑不同算法的数据观测与训练原理差异, 充分发挥各个模型优势. 首先采用随机森林(RF)进行特征选择, 利用VMD将负荷序列按趋势分量、平稳分量和噪声分量进行分类重构, 并分别对非线性序列建立最小二乘支持向量机(LSSVM)预测模型, 时序平稳序列建立极端梯度提升(XGBoost)预测模型, 采用正态分布拟合随机误差, 得到各子序列预测结果并进行叠加输出最终负荷预测结果. 实验结果表明, 所提方法能准确反映负荷的特性并具有更好的预测精度, 能有效预测空调负荷, 为空调节能优化控制策略提供依据.

来源：2022年第6期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2022年第6期