一种基于EEMD与Kmeans自适应优化的园区异构负荷预测方法

本发明公开了一种基于EEMD与Kmeans自适应优化的园区异构负荷预测方法，包括以下步骤：对园区历史负荷数据及外部影响因素进行缺失值填补、异常值剔除及特征编码；基于负荷波动特性的相似性，通过Kmeans聚类算法将园区负荷划分为多个典型场景；对每个所述典型场景对应的负荷序列进行EEMD分解，通过添加高斯白噪声抑制模态混叠，提取多频分量并与外部变量融合，构建预测输入数据集；针对不同场景选择预测模型，并通过贝叶斯优化算法自适应调优；对各场景的预测结果进行动态权重融合，权重由场景历史负荷占比动态调整，输出园区整体负荷预测值。