基于变分模态分解和多模型融合的用户级综合能源系统超短期负荷预测

作者：叶剑华^*; 曹旌; 杨理; 罗凤章

来源：电网技术, 2022, 46(07): 2610-2622.

DOI：10.13335/j.1000-3673.pst.2021.2566

• 综合能源系统
• 负荷预测
• 变分模态分解
• 支持向量回归机
• 长短期记忆网络
• 卷积神经网络

针对用户级综合能源系统(integrated energy system,IES)多元负荷波动性和随机性较强、精确预测难度较大的问题，提出了一种基于变分模态分解(variationalmode decomposition,VMD)和多模型融合的超短期负荷预测方法。首先采用VMD将IES各类负荷序列分解成不同的本征模态函数(intrinsicmodefunction,IMF)；然后将各IMF结合气象信息构造不同的特征集，分别输入支持向量回归机(support vector regression,SVR)、长短期记忆(long short-term memory,LSTM)网络和一维卷积神经网络(one-dimensional convolutional neural network,1DCNN)进行预测；最后，将3个模型的预测结果输入SVR进行融合得到最终的预测值，并采用和声搜索(harmony search,HS)算法优化SVR的参数。通过某用户级IES的实际数据对所提方法的有效性进行了验证，结果表明，所提出的多模型融合方法优于单模型预测方法，对电、冷、热负荷均具有最好的预测精度。

• 单位
  天津大学; 国网天津市电力公司; 智能电网教育部重点实验室; 天津职业技术师范大学