基于3σ-CEEMDAN-LSTM的空间负荷预测方法
为有效利用从配电网采集的海量数据以及改善空间负荷预测效果,提出一种基于3σ准则、自适应噪声完备集合经验模态分解(CEEMDAN)和长短期记忆神经网络(LSTM)的空间负荷预测方法.基于3σ准则对每个Ⅰ类元胞的实测负荷数据进行奇异值检测和处理;运用CEEMDAN技术将处理后的Ⅰ类元胞负荷数据分解为若干个频率和幅值均不同的本征模态函数(IMF);分别对每个IMF分量构建LSTM模型进行预测;将所有IMF分量预测结果进行线性叠加,得到目标年基于Ⅰ类元胞的空间负荷预测结果,在此基础上使用空间电力负荷网格化技术求得基于Ⅱ类元胞的空间负荷预测结果.算例分析结果验证了所提方法的正确性和有效性.
空间负荷预测、元胞、地理信息系统、自适应噪声完备集合经验模态分解、长短期记忆神经网络
43
TM73(输配电工程、电力网及电力系统)
国家自然科学基金;国家重点研发计划
2023-03-23(万方平台首次上网日期,不代表论文的发表时间)
共7页
159-165