基于VMD-CNN-LSTM的短期电力负荷预测方法技术

本发明专利技术涉及基于VMD

【技术实现步骤摘要】
基于VMD
‑
CNN
‑
LSTM的短期电力负荷预测方法


[0001]本专利技术属于电力负荷预测
，具体涉及基于VMD
‑
CNN
‑
LSTM的短期电力负荷预测方法。

技术介绍

[0002]短期电力负荷预测是构建数字智能化新型电力系统的重要推动力，精准的电力负荷预测能为电网协调调度、地区生产规划和节能减排等提供重要参考。随着分布式可再生能源在用户侧装机容量的不断增长以及电力市场发展的不断深入，地区性负荷需求呈现出更强的随机性特征，对地区负荷预测及智能化管理带来了新的挑战。目前针对电力负荷预测受多种外部因素影响而呈现复杂随机性特点所做的研究，大多使用小波分解或者经验模态分解方法进行负荷数据预处理，易出现模态混叠问题而引入大量噪声，影响负荷预测的精度。此外，现有研究要么不考虑气候等相关因素的影响，要么直接将其与历史负荷数据一同作为输入特征进行预测，然而气候等相关因素规律性较差，直接进入预测网络会降低网络性能，从而影响预测精度的提升。因此，研究更好的负荷序列处理方法以及更合理的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于VMD
‑
CNN
‑
LSTM的短期电力负荷预测方法，其特征在于，包括以下步骤：S1、通过VMD技术进行短期电力负荷序列分解；S2、在步骤S1的基础上，通过CNN
‑
LSTM模型进行短期电力负荷的初始预测；S3、在步骤S2的基础上，结合气候、节假日信息相关因素特征对CNN
‑
LSTM模型初始预测的电力负荷进行修正预测。2.如权利要求1所述的基于VMD
‑
CNN
‑
LSTM的短期电力负荷预测方法，其特征在于，步骤S1中VMD的约束变分问题如下：式中：{u
k
}为信号分解后的第k个模态分量；{ω
k
}为第k个模态分量的频率中心；δ(t)表示狄拉克分布，*为卷积运算符。3.如权利要求2所述的基于VMD
‑
CNN
‑
LSTM的短期电力负荷预测方法，其特征在于，步骤S2具体如下：...

【专利技术属性】
技术研发人员：王渝红，朱玲俐，李晨鑫，何其多，
申请(专利权)人：四川大学，
类型：发明
国别省市：