基于GA-VMD-ResNet-LSTM网络的短期电力负荷预测

作者：简定辉^*; 李萍; 黄宇航

来源：国外电子测量技术, 2022, 41(10): 15-22.

DOI：10.19652/j.cnki.femt.2204197

• 遗传算法
• 变分模态分解
• 残差网络
• 长短时记忆网络
• 负荷预测

针对负荷预测中传统经验模态分解(empirical mode decomposition, EMD)存在模态混叠和端点效应，变分模态分解(variational modal decomposition, VMD)存在参数选择困难的问题，提出一种遗传算法(genetic algorithm, GA)、VMD、残差网络(residual network, ResNet)和长短时记忆网络(long short-term memory, LSTM)相结合而成的GA-VMD-ResNet-LSTM负荷预测方法。首先，以包络熵作为适应度函数，利用GA对VMD参数迭代寻优；其次，优化后的VMD将负荷数据分解为相对平稳的子序列并利用皮尔逊相关系数(Pearson correlation coefficient, PCC)筛选影响因素；最后，以ResNet作为特征提取单元处理各重构数据，分别通过LSTM进行时间序列预测，叠加并重构各预测结果，得到最终负荷预测值。将该方法应用于第九届电工数学建模竞赛负荷数据，有力验证了所提方法的精准性和有效性。