基于EWT-GM-LSTM模型的配网广义负荷短期预测

摘要：

针对各经典负荷预测方法不能充分挖掘配网包括分布式电源的广义负荷数据的规律性和相关性从而导致预测精度不高的问题,提出了在经验小波分解EWT(Empirical Wavelet Transform)和交叉谱分析下,基于传统灰色多变量预测模型(GM(1,n))和长短期记忆神经网络(Long short-term Memory,LSTM)相结合的短期负荷预测模型.模型首先通过经验小波分解(EWT)将原始负荷序列信号分解为若干固有模态函数(IMF)分量,然后将各分量与外部环境因素包括温度和实时电价因素做交叉谱分析,依据谱分析的结果对部分显著相关分量建立GM(1,n)模型预测,最后建立采用LSTM模型进行综合预测,并在经验模态分解和变分模态分解方法及LSTM参数设置的对比分析下,通过实证分析验证了该方法较原负荷直接进行LSTM预测更具有效性.

关键词：广义负荷预测、模态分解、交叉谱分析、灰色预测模型、长短期记忆网络

所属期刊栏目：36

分类号：TM714(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金资助项目71671065

在线出版日期：2021-01-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1-8