基于改进LMD与GRU网络的短期燃气负荷预测

摘要：

针对燃气负荷数据非线性、非平稳性的特点,本文提出一种基于改进的LMD算法与GRU神经网络的组合预测模型.模型首先利用改进后的LMD算法对燃气负荷数据进行序列分解,改进的LMD方法采用分段牛顿插值法代替传统的滑动平均值法来获得局部均值函数和包络估计函数,改善了传统LMD方法存在的过平滑问题.之后,再将得到的若干PF分量进行小波阈值去噪处理,获得有效的分量数据.最后,利用GRU神经网络分别预测各分量值,将它们相加得到最终的负荷预测值.仿真实验表明,提出的方法与单个GRU神经网络以及结合传统LMD算法的GRU网络相比,预测精度更高.

关键词：牛顿插值法、LMD算法、小波阈值去噪、GRU神经网络、燃气负荷预测

所属期刊栏目：28

资助基金：上海市科委项目 11510502400

在线出版日期：2019-06-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：29-37