首页|基于互补集合经验模态分解和长短期记忆神经网络的短期电力负荷预测

基于互补集合经验模态分解和长短期记忆神经网络的短期电力负荷预测

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
随着电力行业的不断发展,负荷预测的重要性也不断彰显,作为负荷预测的重要组成部分,短期负荷预测对于电力系统的调度运行、市场交易都有着重要的意义,精确的负荷预测有助于提高发电设备的利用率和经济调度的有效性.由于影响负荷数据的随机因素太多且具有较强非线性的特点,提出一种基于互补集合经验模态分解和长短期记忆神经网络的短期电力负荷预测方法.通过对某市负荷数据进行仿真,将仿真结果与其他传统预测方法结果相对比,最终证明长短期记忆神经网络模型的误差更低,具有较高的预测精度.同时将互补集合经验模态分解下的长短期记忆神经网络方法与其他分解方法下的长短期记忆神经网络模型预测结果进行对比,验证互补集合经验模态分解方法对提升预测精度的有效性.
Short-Term Load Forecasting Based on Complementary Ensemble Empirical Mode Decomposition and Long Short-Term Memory

赵会茹、赵一航、郭森

展开 >

华北电力大学 经济与管理学院,北京 102206

短期电力负荷预测 长短期记忆网络 互补集合经验模态分解 深度学习

国家自然科学基金资助项目国家电网有限公司总部科技项目

71973043SGNY0000CSJS1800046

2020

中国电力
国网能源研究院 中国电机工程学会

中国电力

CSTPCDCSCD北大核心
影响因子：1.463
ISSN：1004-9649
年,卷(期)：2020.53(6)
  • 45
  • 15