پیش بینی کوتاه مدت تقاضای بار با استفاده از تجزیه سیگنال به مولفه ذاتی، تبدیل موجک و رگرسیون بردار پشتیبان

پیش بینی کوتاه مدت بار الکتریکی نقش مهمی در طراحی و بهره بردای از سیستم های قدرت ایفا می کند. با توجه به ماهیت سری زمانی بار الکتریکی کوتاه مدت، پیش بینی دقیق بار بسیار چالش برانگیز است. در این مقاله، روشی برای پیش بینی بار کوتاه مدت پیشنهاد شده است. در مرحله نخست توابع مد ذاتی (IMFها) منحنی بار با استفاده از روش تجزیه مد تجربی (EMD) استخراج می شوند. باقی مانده سیگنال که حاوی نوفه است در این مرحله دور ریخته می شود تا سیگنال به نسبه تمیزی حاصل شود. در مرحله دوم هر IMF با استفاده از تبدیل موجک تجزیه می شود تا زیر دنباله های آن حاصل شود. هر زیردنباله حاوی اطلاعات و جزییات متفاوتی است که می تواند به بهبود دقت پیش بینی کمک کند. در مرحله سوم زیردنباله های به دست آمده تجمیع شده و در نهایت به وسیله رگرسیون بردار پشتیبان (SVR) جهت پیش گویی استفاده می شوند. روش پیشنهادی بر روی دو مجموعه داده لهستان و کانادا و با چهار معیار خطای میانگین مربعات (MSE) ریشه میانگین مربعات خطا (RMSE)، میانگین درصد مطلق خطا (MAPE) و میانگین خطای مطلق (MAE) مورد ارزیابی قرار گرفت. یافته ها نشان می دهد که خطای پیش بینی بار برای مجموعه داده لهستان با معیار MSE  برابر 0.0012 ، با معیار RMSE  برابر 0.0342 با معیار MAPE برابر 2.9771، با معیار MAE برابر 0.0044 و برای مجموعه داده کانادا با معیار MSE  برابر 5.0969e-07، با معیار RMSE  برابر 7.1393e-04 با معیار MAPE برابر 0. 9571 و با معیار MAE برابر 2624e-04 است. از مقایسه روش پیشنهادی نسبت به سایر روش های رقیب، نتایج بهتری از نظر میزان خطا مشاهده شده است.