一种基于VMD分解和改进双层BILSTM网络的短期负荷预测方法技术

本发明专利技术公开了一种基于VMD分解和改进双层BILSTM网络的短期负荷预测方法，构建改进双层BiLSTM网络负荷预测模型，设置超参数，利用训练集、验证集对改进双层BiLSTM网络负荷预测模型进行训练，获取网络参数，得到训练后的改进双层BiLSTM网络负荷预测模型；将历史时刻对应的负荷序列、VMD分解后的负荷子序列、温度序列输入到训练后的改进双层BiLSTM网络负荷预测模型，得到t+1时刻负荷的预测结果。本发明专利技术将复杂的负荷时间序列分解为频率更加集中、周期性更突出的若干子序列。有效降低了训练误差、提高了训练稳定性。提高预测模型的训练速度，保证模型误差的收敛趋势，避免陷入局部最优。避免陷入局部最优。避免陷入局部最优。

【技术实现步骤摘要】
一种基于VMD分解和改进双层BILSTM网络的短期负荷预测方法


[0001]本专利技术涉及一种基于VMD分解和改进双层BILSTM网络的短期负荷预测方法，属于短期电力负荷预测


技术介绍

[0002]在建设智能电网的大背景下，精准的短期电力负荷预测对于电网的安全稳定运行和高效调度等有着重大作用。
[0003]近年来，随着计算机算力的不断提升和人工智能算法的不断改进，以机器学习和深度学习为代表的一系列前沿预测方法被广泛应用到短期电力负荷预测中。主要有支持向量机(Support Vector Machine，SVM)、随机森林等传统机器学习算法，以及回声状态网络、深度置信网络、卷积神经网络(Convolutional Neural Networks，CNN)和循环神经网络(Recurrent Neural Network，RNN)等典型深度学习算法。另外，一些在机器视觉和自然语言处理领域获得成功的算法，如残差网络(ResNet)、注意力机制(Attention)、seq2seq结构等，也被应用到负荷预测问题中。其中，通过增加“门”机本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于VMD分解和改进双层BILSTM网络的短期负荷预测方法，其特征在于：包括如下步骤：构建改进双层BiLSTM网络负荷预测模型，设置超参数，利用训练集、验证集对改进双层BiLSTM网络负荷预测模型进行训练，获取网络参数，得到训练后的改进双层BiLSTM网络负荷预测模型；将历史时刻对应的负荷序列、VMD分解后的负荷子序列、温度序列输入到训练后的改进双层BiLSTM网络负荷预测模型，得到t+1时刻负荷的预测结果。2.根据权利要求1所述的一种基于VMD分解和改进双层BILSTM网络的短期负荷预测方法，其特征在于：所述改进双层BiLSTM网络负荷预测模型包括：第一层BiLSTM网络，第二层BiLSTM网络，全连接线性层，所述第一层BiLSTM网络，第二层BiLSTM网络，全连接线性层依次相连；数据归一化后的历史时刻对应的负荷序列分别输入第一层BiLSTM网络，全连接线性层，数据归一化后的VMD分解后的负荷子序列，数据归一化后的温度序列均输入第一层BiLSTM网络；第一层BiLSTM网络的输出分别输入第二层BiLSTM网络，全连接线性层；第二层BiLSTM网络的输出输入全连接线性层，全连接线性层根据第一层BiLSTM网络的输出、第二层BiLSTM网络的输出和数据归一化后的历史时刻对应的负荷序列得到t+1时刻负荷的预测结果。3.根据权利要求1所述的一种基于VMD分解和改进双层BILSTM网络的短期负荷预测方法，其特征在于：所述利用训练集、验证集对改进双层BiLSTM网络负荷预测模型进行训练的方法，包括如下步骤：使用训练集数据对改进双层BiLSTM网络负荷预测模型进行迭代训练，每进行一次完整训练后利用验证集数据对网络的预测效果进行验证，将当前网络在验证集上的MAPE与历史最优网络的验证集MAPE误...

【专利技术属性】
技术研发人员：朱庆，马宛星，徐石明，高挺，王缘，韦思雅，郑红娟，俞航，顾琳琳，
申请(专利权)人：国电南瑞科技股份有限公司国网浙江省电力有限公司台州供电公司国网浙江省电力有限公司国家电网有限公司，
类型：发明
国别省市：