科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了提高短期电力负荷预测的精准度，提出一种基于变分模态分解(VMD)和长短期记忆网络(LSTM)相结合的组合型预测模型。利用VMD将原始负荷样本集分解为多个不同的本征模函数(IMF)和一个剩余分量，以降低负荷数据样本集的非平稳性和复杂度，用LSTM模型对分解得到的多个子模态分量分别进行预测，对不同分量的预测结果进行叠加，得到最终负荷预测值。通过仿真实验，对比VMD-LSTM模型、BP模型、ELM模型和LSTM的预测结果，VMD-LSTM模型的预测效果优于其他3种预测模型，在短期电力负荷预测方面表现出良好的性能。
- 单位
