重庆理工大学学报（自然科学）

重庆理工大学学报（自然科学） ›› 2022, Vol. 36 ›› Issue (1): 165-170.

• 电气·电子 • 上一篇    

考虑变分模态分解残差量的电力负荷预测研究

张 莲１，２，李 涛２，宫 宇２，杨洪杰２，张尚德２，贾 浩２   

  1. １．重庆市能源互联网工程技术研究中心； ２．重庆理工大学 电气与电子工程学院
  • 发布日期:2022-02-13
  • 作者简介:张莲，女，硕士，教授，主要从事远程测试与控制技术、信号处理、电力系统及其自动化方面研究

  • Published:2022-02-13

PDF (PC)

127

赞

摘要： 针对电力负荷序列的非平稳、非线性和长记忆等问题，建立了一种基于变分模态分解（VMD）、考虑变分模态分解残差量情况的长短期记忆神经网络（LSTM）电力负荷预测模型。 首先，该预测模型采用VMD算法将归一化后的电力负荷数据分解为一系列本征模态（IMF）分量和残差量；然后，对每个IMF和残差量分别建立LSTM模型进行预测；最后，将各分量预测结果反归一化组合重构得到最终的电力负荷预测结果。使用平均绝对百分误差（MAPE）和均方根误差（RMSE）评价模型，结果表明该模型的预测精度优于LSTM模型和VMD LSTM模型。

关键词: 电力负荷预测, 变分模态分解, 长短期记忆神经网络, 机器学习

中图分类号: 

  • TM714