基于VMD-SE和BiLSTM在短期负荷预测应用

摘要：

针对传统单一的预测方法精度不高,为进一步提高预测精度,提出VMD-SE与BiLSTM结合的形式建立预测模型,分析和利用气象参数、日期类型等辅助参数之间的相关性.首先对一段时间的用电负荷运用VMD分解,分解形成一系列子序列;然后运用样本熵对各个子序列分析其复杂度,并进行重构减少预测的规模;最后对得到的新的子序列与天气参数、日期类型通过BiLSTM模型进行预测,将得到各个子序列的预测值进行相加处理,再进行反归一化最终得到预测的结果.通过仿真验证并与其他模型进行比较,该模型的预测精度为98.63％,预测精度较高,具有较好的理论和实践意义.

关键词：负荷预测;预测精度;变分模态分解;样本熵;复杂度;长短期记忆网络;归一化;反归一化

所属期刊栏目：44

分类号：TN99-34;TP18;TM743

资助基金：新疆维吾尔自治区自然科学基金2019D01C078

在线出版日期：2021-12-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：155-159