短期电力负荷预测模型及其应用研究

作者：秦光宇,闫庆友,朱敬尧

摘要：短期电力负荷预测是电网平稳运行与安全调度的基础。然而,负荷序列的不稳定性增加了预测难度。为了提高短期电力负荷预测的精准度,本文利用CEEMDAN将原始负荷序列分解为若干固有模态函数和残差,并利用PE分别分析各个固有模态函数(IMF)的复杂度。最后,利用IPSO优化LSTM参数,将各子序列的预测结果进行累加,得到最终的预测负荷。本文通过对辽宁省沈阳市的实际负荷数据进行仿真模拟,将仿真结果与其他传统预测方法结果进行对比,结果证明该预测模型的误差更低,具有较高的预测精确度。

发文机构：华北电力大学经济与管理学院

关键词：短期负荷预测粒子群优化算法排列熵CEEMDAN长短期记忆神经网络Short-term load forecastingparticle swarm optimization algorithmpermutation entropyCEEMDANLSTM

分类号： TM7[电气工程—电力系统及自动化]