基于WD-LSSVM-LSTM模型的短期电力负荷预测

摘要：

为了提高短期负荷预测精度,文中提出一种基于小波分析、粒子群优化(PSO)算法、最小二乘支持向量机(LSSVM)和长短时记忆网络(LSTM)的预测模型.该方法通过对用电负荷进行小波分解和重构得到与原始数据长度相同的分量,对低频分量建立LSSVM预测模型并利用PSO算法找出最优参数,对高频分量建立LSTM预测模型,将各分量预测结果组合实现最终的负荷预测.实验结果表明,该模型预测精度优于传统LSSVM模型、BP神经网络模型和WD-LSSVM模型,验证了其可行性.

关键词：小波分解、小波重构、最小二乘支持向量机、粒子群优化算法、长短时记忆网络

所属期刊栏目：60

分类号：TM744(输配电工程、电力网及电力系统)

在线出版日期：2023-02-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：23-28