科研之友
微信
新浪微博
Facebook
分享链接
摘要
为提高电力负荷预测的准确性以降低后期电力备用储能建设的成本，需采取合理精确的预测模型预测未来负荷数据，文中提出一种基于变分模态分解（VMD）结合主成分分析（PCA）与时间卷积网络（TCN）组成的电力负荷预测模型。首先，为了提高抗噪性和分解效率，采用VMD对原始负荷序列进行分解，分解所得的模态分量通过计算样本熵值（SE）进行复杂度的近似分类，对新序列组分别建立预测模型；然后，采用主成分分析法做特征提取，提取出对预测目标影响较大的影响因素作为模型的输入向量。时间卷积网络作为深度卷积网络的改进算法，在预测精度和时间上都具有较大的优势，在深度学习领域得到了很多的关注，采用该模型进行短期电力负荷预测，最终结果同其他模型的结果相比误差最小，证明了该预测模型的精确可靠性。
- 单位
