为提高较少输入特征下对电网负荷的预测精度,提出一种基于集合经验模态分解(ensemble empirical mode decomposition,EEMD)、改进鲸鱼优化算法(improve whale optimization algorithm,IWOA)和时域卷积网络(temporal convolutional network,TCN)相结合的电网负荷预测方法.首先,使用EEMD对原始序列进行分解,得到具有较高细粒度的负荷分量序列;其次,采取相关性分析对分量进行融合,对融合后的分量序列分别建立TCN预测模型;然后,使用IWOA对TCN内部的超参数进行优化,提升模型训练速度和预测性能;最后,将各分量序列的预测值进行累计,输出最终负荷预测值.实证分析表明:所提方法具有较高的预测精度和良好的鲁棒性.
国家科技期刊平台
NSTL
万方数据
维普
