科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统电力负荷数据非稳定、非线性的特性导致预测精度不高的问题，提出一种基于数据模态分解与CNN-BiLSTM相结合的负荷预测模型。利用自适应噪声完备集合经验模态分解算法（CEEMDAN）对原时间序列负荷数据进行分解，分解成多个稳定的本征模态函数分量（IMF）和残差（Res）；对各分量使用卷积神经网络和双向长短期记忆网络组合模型逐一预测。对预测效果评估指标较差的分量继续采用变分模态分解（VMD）算法进行分解，再次预测从而提高模型的整体预测精度。经过实验验证表明，该组合模型与其他模型相比，有效提高了拟合优度，降低了预测误差。
- 单位
