基于VMD-TCN的短期负荷预测方法研究
王树东1
李润清2
曹万水2
1.兰州理工大学电气工程与信息工程学院 兰州 730050;兰州理工大学甘肃省工业控制先进控制重点实验室 兰州 730050;兰州理工大学电气与控制工程国家级实验教学示范中心 兰州 7300502.兰州理工大学电气工程与信息工程学院 兰州 730050
摘要：为了提高模型的预测准确率,论文采用了一种基于最大互信息系数(Maximal Information Coefficient,MIC),麻雀算法(SSA)优化变分模态分解(Variational Mode Decomposition,VMD),并结合时间卷积网络(Temporal Convolutional Net-work)和时间模式注意力机制(Temporal Pattern Attention)的预测模型.首先针对原始负荷信号的波动性和非平稳性,利用麻雀算法优化的VMD将原始负荷序列分解为不同的模态分量,并通过样本熵重构来降低神经网络的预测难度.考虑到天气、电价等影响因素,采用MIC对与当前时刻负荷信号关联性强的外部特征进行筛选,实现特征的选优与降维.其次将分解的模态分量分别与MIC筛选后的外部特征构成训练集.最后,构建基于时间模式注意力机制的时间卷积网络TPA-TCN模型进行预测.实际算例表明,所提预测模型能够有效提高预测准确性.
关键词：短期负荷预测时间卷积网络变分模态分解最大互信息系数样本熵时间模式注意力机制麻雀算法
分类号：TP183(自动化基础理论)
论文发表日期：2025-01-19
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 96-102 )
英文信息