短期電力負荷預測模型及其應用研究

作者：秦光宇,閆慶友,朱敬堯

摘要：短期電力負荷預測是電網平穩運行與安全調度的基礎。然而,負荷序列的不穩定性增加了預測難度。為了提高短期電力負荷預測的精準度,本文利用CEEMDAN將原始負荷序列分解為若干固有模態函數和殘差,并利用PE分別分析各個固有模態函數(IMF)的復雜度。最后,利用IPSO優化LSTM參數,將各子序列的預測結果進行累加,得到最終的預測負荷。本文通過對遼寧省沈陽市的實際負荷數據進行仿真模擬,將仿真結果與其他傳統預測方法結果進行對比,結果證明該預測模型的誤差更低,具有較高的預測精確度。

發文機構：華北電力大學經濟與管理學院

關鍵詞：短期負荷預測粒子群優化算法排列熵CEEMDAN長短期記憶神經網絡Short-term load forecastingparticle swarm optimization algorithmpermutation entropyCEEMDANLSTM

分類號： TM7[電氣工程—電力系統及自動化]