科研之友
微信
新浪微博
Facebook
分享链接
摘要
为进一步提高短期负荷预测精度。提出了一种基于变分模态分解（VMD）并考虑VMD残差量和改进北方苍鹰算法（INGO）优化双向长短时记忆（BiLSTM）网络的短期负荷预测方法。首先利用VMD将历史负荷数据分解为多个本征模分量（IMFs）和一个残差量。再将各IMF和残差量以及相关气象参数分别构建BiLSTM模型进行预测。为避免因超参数选取不佳对预测精度的影响，采用INGO对BiLSTM的隐含层节点、训练次数、学习率进行优化。最后将预测结果叠加得出最终结果。通过具体算例分析，将本文采用方法与其他方法对比，具有较高的预测精度，验证了本文方法的有效性。
- 单位
