科研之友
微信
新浪微博
Facebook
分享链接
摘要
电力系统短期负荷的准确预测有助于灵活规划系统资源、合理安排机组工作调度以及提高系统运行效率。针对负荷预测精度问题，文中提出了一种基于CEEMD-ITSA-BiLSTM短期负荷预测模型。即对时序性负荷数据进行CEEMD分解，得到若干个平稳的IMF，并对每个IMF进行BiLSTM建模预测。为了提高BiLSTM的精度，采用ITSA算法对BiLSTM的隐含层节点数、学习率和训练次数等超参数进行参数寻优，建立CEEMD-ITSA-BiLSTM负荷预测模型。以实际负荷数据进行仿真实验，对比了单一的BiLSTM和不同算法优化的BiLSTM模型，结果表明CEEMD-ITSA-BiLSTM模型的RMSE、MAE和MAPE误差指标相比于BiLSTM模型分别提高了48.54%、51.32%和44.78%，并显著低于其他对比模型。
- 单位
