国产欧美精品一区二区,中文字幕专区在线亚洲,国产精品美女网站在线观看,艾秋果冻传媒2021精品,在线免费一区二区,久久久久久青草大香综合精品,日韩美aaa特级毛片,欧美成人精品午夜免费影视

為了有效獲取微電網(wǎng)負荷中的隱藏信息和潛藏特征，進(jìn)一步提升微電網(wǎng)短期負荷預測的精準度與效率，提出一種基于基于互補集成經(jīng)驗模態(tài)分解（CEEMD，Complementary Ensemble Empirical Mode Decomposition）和改進(jìn)蝙蝠算法（IBA，Improvement Bat Algorithm）優(yōu)化最小二乘支持向量機（LSSVM，Least Squares Support Vector Machine）的微電網(wǎng)短期負荷預測模型，先利用CEEMD對負荷序列進(jìn)行有效分解，減輕局部信息相互影響；再引入引入反向學(xué)習、動(dòng)態(tài)自適應慣性權重與拉格朗日插值法等方法改進(jìn)蝙蝠的全局搜索與局部尋優(yōu)能力，克服標準蝙蝠算法易早熟、易陷入局部最優(yōu)值的問(wèn)題，并利用IBA對LSSVM參數進(jìn)行優(yōu)化；最后通過(guò)算例驗證CEEMD-IBA-LSSVM短期負荷模型效果，結果表明所提預測模型與其他預測模型相比具有較高的運行效率與預測精度。