标题：基于DEMD和QPSO混合模型的电力负荷预测
作者：付双 张雄 马加磊
作者单位：华电云南新能源发电有限公司集控中心，云南 昆明 650000
关键字：电力负荷预测；支持向量回归；量子理论；粒子群优化；自回归
摘要：负荷预测作为电力系统领域的研究焦点之一，旨在对未来的负荷数据进行预测，为电网的调度工作提供重要的参考依据。提出一种混合差分经验模态分解方法（DEMD）与量子粒子群优化算法（QPSO）的支持向量回归模型（SVR），用于电力负荷预测。该模型利用DEMD将负荷数据分解为高频分量和低频残差，引入QPSO算法全局优化SVR参数，最后采用自回归（AR）模型拟合低频残差的平稳趋势，并基于国内两地案例的实际负荷数据验证，该模型在案例1中大小样本的测试平均绝对百分比误差（MAPE）分别低至4.3%和9.15%，案例2中该模型MAPE进一步降至4.62%和7.48%，显著优于原始SVR等对比模型。为复杂电力负荷预测提供了高效可靠的解决方案，对智能电网调度与能源管理具有重要实践意义。