基于VMD-分形理论的短期电力负荷预测

作者：徐建军; 王硕昌

来源：吉林大学学报(信息科学版), 2022, 40(05): 744-751.

DOI：10.19292/j.cnki.jdxxp.2022.05.018

• 变分模态分解
• 分形理论
• 迭代函数系统
• 电力负荷预测
• 重标极差法
• 分形插值函数

为提高负荷预测结果的精度，设计了一种基于变分模态分解(VMD:Variational Mode Decomposition)和分形理论的短期电力负荷预测模型。首先选取和实测日气象数据相似的日期作为基准日，对基准日的负荷曲线进行变分模态分解提取主要信号的模态(趋势项),再提取扰动项(IMF1)和噪声项(IMF2、IMF3、IMF4),对趋势项和扰动项进行重标极差法分析后提取趋势项和扰动项的极值点建立迭代函数系统(IFS:Iterative Function System)。通过趋势项和扰动项的迭代函数曲线确定相对应的负荷数据，再同噪声项(IMF2、IMF3、IMF4)相对应的负荷数据相加，得到最终的预测数据。通过和传统的分形模型和BP(Back Propagation)神经网络模型进行对比，结果表明平均绝对百分比误差(MAPE:Mean Absolute PercentageError)下降了近5%,证明了VMD-分形预测模型的预测效果更好。

• 单位
  东北石油大学