基于集合经验模态分解和Q学习策略的短期负荷预测模型

段秦尉; 何祥针; 潮铸; 谢祥中; 兰萱丽

doi:10.19725/j.cnki.1007-2322.2023.0017

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于集合经验模态分解和Q学习策略的短期负荷预测模型

电力市场 | 更新时间：2025-10-13

- 基于集合经验模态分解和Q学习策略的短期负荷预测模型
- Short-term Load Forecasting Model Based on Ensemble Empirical Mode Decomposition and Q Learning Strategy
- “在电力系统安全稳定运行领域，专家提出了基于集合经验模态分解和Q学习策略优化的短期负荷预测模型，通过实验验证了模型的有效性。”
- 现代电力 2025年42卷第2期页码：360-368
- 作者机构：
  
  1.广东电网有限责任公司电力调度控制中心, 广东省广州市 510000
  2.北京清能互联科技有限公司, 北京市海淀区100084
- 作者简介：
  
  [ "段秦尉(1991)，男，博士，高级工程师，通信作者，研究方向为电力市场、新能源调度运行、电力系统调度运行，E-mail：dqw1991@hotmail.com" ]
  [ "何祥针(1984)，男，硕士，高级工程师，研究方向为电力系统调度运行" ]
  [ "潮铸(1988)，男，硕士，高级工程师，研究方向为电力市场、电力系统调度运行" ]
  [ "谢祥中(1993)，男，硕士，工程师，研究方向为新能源调度运行、电力系统调度运行" ]
  [ "兰萱丽(1990)，女，硕士，工程师，研究方向为新能源调度运行、电力系统调度" ]
- 基金信息：
  
  中国南方电网有限责任公司科技项目036000KK52210065 (GDKJXM20210096)。
- DOI：10.19725/j.cnki.1007-2322.2023.0017
  中图分类号： TM73
- 收稿：2023-01-18，
  
  录用：2023-08-07，
  
  纸质出版：2025-04-10
- 稿件说明：
移动端阅览
段秦尉, 何祥针, 潮铸, 等. 基于集合经验模态分解和Q学习策略的短期负荷预测模型[J]. 现代电力, 2025,42(2):360-368.

Qinwei DUAN, Xiangzhen HE, Zhu CHAO, et al. Short-term Load Forecasting Model Based on Ensemble Empirical Mode Decomposition and Q Learning Strategy[J]. Modern electric power, 2025, 42(2): 360-368.
段秦尉, 何祥针, 潮铸, 等. 基于集合经验模态分解和Q学习策略的短期负荷预测模型[J]. 现代电力, 2025,42(2):360-368. DOI： 10.19725/j.cnki.1007-2322.2023.0017.

Qinwei DUAN, Xiangzhen HE, Zhu CHAO, et al. Short-term Load Forecasting Model Based on Ensemble Empirical Mode Decomposition and Q Learning Strategy[J]. Modern electric power, 2025, 42(2): 360-368. DOI： 10.19725/j.cnki.1007-2322.2023.0017.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于自组织映射−前馈神经网络和先知混合模型的短期负荷预测

基于变分模态分解的卷积长短时记忆网络短期电力负荷预测方法

基于长短期记忆神经网络组合算法的短期电力负荷预测

基于自适应噪声完备经验模态分解−样本熵−长短期记忆神经网络和核密度估计的短期电力负荷区间预测

基于小波变换和SVM算法的微电网短期负荷预测研究

基于集合经验模态分解和Q学习策略的短期负荷预测模型

Short-term Load Forecasting Model Based on Ensemble Empirical Mode Decomposition and Q Learning Strategy

DOI：10.19725/j.cnki.1007-2322.2023.0017