基于相似日与BiLSTM组合的短期电力负荷预测
祁宇轩1
范俊岩1
吴定会1
汪晶2
1.江南大学轻工过程先进控制教育部重点实验室,江苏无锡 2141222.上海宝信软件有限公司,上海 201999
摘要：短期电力负荷存在非线性、波动性和影响因素多等特征,针对以上特征所导致的预测精度不足,本文提出一种基于相似日与双向长短时记忆神经网络(BiLSTM)组合的短期电力负荷预测模型.首先,剖析电力负荷的动态变化机理,基于相似日和灰色关联分析方法,构建负荷与特征融合数据集;其次,采用变分模态分解(VMD)方法将高波动、非线性的原始负荷数据分解为多个相对平稳的分量,并对各分量分别搭建BiLSTM预测模型;最后,采用鲸鱼算法(WOA)对模型的分解参数和相似日天数进行优化,减小模型的固有误差.以新英格兰某地区的实际数据进行仿真验证,所提模型的平均绝对百分比误差(MAPE)、平均绝对误差(MAE)和均方根误差(RMSE)分别为0.58％,42,78,均优于对照模型,有效提升了负荷预测精度.
关键词：短期电力负荷预测相似日深度学习鲸鱼优化算法变分模态分解
论文发表日期：2024-12-28
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：11( 2304-2314 )
英文信息