基于一种新型的EMD-LSTM-ARIMA算法的超短期电力负荷预测

作者：梁浩彬

来源：现代工业经济和信息化, 2023, 13(10): 194-198.

DOI：10.16525/j.cnki.14-1362/n.2023.10.063

• 电力负荷预测
• 窗口数据
• 决定系数
• EMD
• ARIMA
• LSTM

由于超短期电力负荷序列非线性和高波动性的特点，使得对其进行精确预测变得困难。因此，从滑动窗口方法的角度出发，提出了一种将EMD分解算法、LSTM神经网络以及ARIMA模型相结合的混合预测算法。所提算法首先使用EMD算法将原始电力序列分解成多个分量序列。其次，采用滑动窗口方法对分量序列进行处理，并设定窗口大小将其划分成多个窗口数据。对每个窗口数据，利用线性回归计算其决定系数，并取其决定系数平均值作为衡量该分量序列的线性趋势系数。然后，设置阈值，将线性系数与阈值进行比较，当线性系数大于阈值时，使用AR IMA模型进行预测；否则，采用LSTM神经网络进行预测。最后，将它们的预测结果相加得到所提算法的最终预测结果。为了验证所提算法的可行性与有效性，选取了第九届“中国电机工程学会杯”所提供的电力负荷数据集进行实证分析。实验结果表明了提出的算法是有效的。

• 单位
  广州大学