考虑最小平均包络熵负荷分解的最优Bagging集成超短期多元负荷预测

多元负荷预测技术是保证综合能源系统(integrated energy system,IES)供需平衡与稳定运行的关键基石。但具有强随机性与波动性的IES负荷加剧了超短期多元负荷准确预测的难度。为此，提出考虑最小平均包络熵负荷分解的最优Bagging集成超短期多元负荷预测方法。构建基于最小平均包络熵的变分模态分解参数优化模型，将IES多元负荷分解为本征模态分量集合；基于统一信息系数法筛选多元负荷预测的日历、气象与负荷强相关特征；结合负荷本征模态分量集合、日历规则、气象环境与负荷数据，构建Bagging集成超短期多元负荷预测模型，并建立基于平均绝对百分比误差与决定系数的集成策略优化模型，进而得到最优集成策略与最终预测结果。以美国亚利桑那州立大学坦佩校区IES为对象展开仿真验证，结果表明，所提方法的电、热、冷负荷预测平均绝对百分比误差分别为1.948 6%、2.058 5%、2.533 1%，相比其他预测方法具有更高准确率。