基于变分模态分解-样本熵-延迟互信息-深度信念网络的短期负荷预测模型

作者：徐轶丹; 周晨梦; 黄绍书; 王枫; 陈飞; 胡洁

来源：电力大数据, 2022, 25(10): 10-20.

DOI：10.19317/j.cnki.1008-083x.2022.10.011

• 负荷预测
• 互信息
• 模态分解
• 熵
• 负荷数据

传统的短期负荷预测模型未考虑组合预测模型的在数据处理上的优势，为了提高短期负荷预测的精度，本文提出了一种短期负荷预测的模型。首先，以降低电力负荷序列非平稳性的影响为目的，采用了变分模态分解方法将原始电力负荷序列分解为一系列的不同特征信息且相对较平稳的固有模态分量，分析掌握每个分量的变化规律；其次，利用样本熵理论对分解的各个分量进行复杂度分析以减少计算规模，提高预测模型的计算效率；然后考虑相关因素对负荷影响的延迟效应，采用了计及延迟效应的互信息特征选择技术重构原始输入序列；最后，结合深度信念网络预测模型，建立基于变分模态分解样本熵延迟效应互信息深度信念网络的组合预测模型，仿真结果表明该模型的有效性。

• 单位
  贵州电网有限责任公司