基于自适应辛几何模态分解-多元线性回归-卷积长短时记忆的台区电力负荷预测

作者：方磊^*; 楚成博; 何映虹; 冯隆基; 刘福政; 王宁; 张法业

来源：现代电力, 2023, 1-7.

DOI：10.19725/j.cnki.1007-2322.2023.0112

• 电力负荷预测
• 自适应辛几何模态分解
• 多元线性回归
• 卷积长短时记忆网络

准确预测台区的电力负荷，能够促使电力企业合理安排调度计划，保障台区电力安全和经济稳定运行。为了充分挖掘电力负荷数据的特征，提高预测的精度，提出了一种基于自适应辛几何模态分解（adaptivesymplectic geometry mode decomposition, ASGMD）、多元线性回归（multiplelinearregression,MLR）和卷积长短时记忆（convolutional long short-term memory, CLSTM）网络的电力负荷预测方法。首先，应用ASGMD将台区负荷数据分解为弱相关和强相关两种分量；然后，利用MLR和LSTM分别对上述两种分量分别进行预测；最后，组合各模型结果得到最终负荷预测值。实验表明，所设计模型较其他模型具有更高的预测准确度。

• 单位
  山东大学