基于ICEEMDAN-DCN-Transformer的短期电力负荷预测
芦志凡
赵倩
上海电力大学 电子与信息工程学院,上海 201306
摘要：针对传统负荷预测方法易受复杂环境因素影响的问题,提出了基于ICEEMDAN-DCN-Transformer的短期电力负荷组合预测模型,该模型将电力负荷数据通过ICEEMDAN方法分解为若干个IMF和一个Res函数,考虑复杂环境因素的影响,将分解后各分量与环境特征并行输入到DCN-Transformer中进行预测,并将各组预测数据线性相加得到完整的预测结果.以泉州市电力负荷历史数据为基础进行实验,建立 4 种单一预测模型和 3 种组合预测模型作为对比模型,对该地10 d、240 h的电力负荷序列加以预测.结果表明,相较于传统算法,所提算法可以显著提高负荷预测的精度并有效降低误差评价指标值,为电力系统的安全运行和规划制定提供理论依据.
关键词：电力负荷预测改进型完全自适应噪声集合经验模态分解算法深度交叉网络预测精度短期负荷组合预测模型误差评价
分类号：TM715(输配电工程、电力网及电力系统)
资助基金：国家自然科学基金(61802250)
论文发表日期：2024-07-25
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：9( 388-396 )
英文信息