二次模态分解组合DBiLSTM-MLR的综合能源系统负荷预测

被引：129

作者：

陈锦鹏

胡志坚

陈纬楠

高明鑫

杜一星

林铭蓉

机构：

[1] 武汉大学电气与自动化学院

来源：

电力系统自动化 | 2021年 / 45卷 / 13期

关键词：

多元负荷预测; 深度双向长短期记忆; 二次模态分解; 核主成分分析; 多元线性回归;

D O I：

暂无

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 [电力系统及其自动化];

摘要：

用户级综合能源系统多元负荷存在随机性、波动性相对更大的特点,现有预测方法不能得到很好的预测效果。为此提出一种基于核主成分分析(KPCA)、二次模态分解、深度双向长短期记忆(DBiLSTM)神经网络和多元线性回归(MLR)的多元负荷预测模型。首先,运用自适应噪声的完全集合经验模态分解分别对电、冷、热负荷进行本征模态分解,对分解得到的强非平稳分量运用变分模态分解进行再次分解。然后,运用KPCA对天气、日历规则特征集提取主成分实现数据降维;将分解得到的非平稳、平稳分量结合特征集主成分分别用DBiLSTM神经网络、MLR进行预测。最后,将预测结果进行重构得到最终预测结果。通过实际算例分析可知,与其他模型相比,所提模型具有更高的预测精度。

引用

页码：85 / 94

页数：10

共 23 条

[1]

Two-Stage Bootstrap Sampling for Probabilistic Load Forecasting.[J].Zhang Jiawei;Wang Yi;Sun Mingyang;Zhang Ning.IEEE Transactions on Engineering Management.2020,

[2]

Probabilistic individual load forecasting using pinball loss guided LSTM.[J].Yi Wang;Dahua Gan;Mingyang Sun;Ning Zhang;Zongxiang Lu;Chongqing Kang.Applied Energy.2019,

[3]

Short term load forecasting based on feature extraction and improved general regression neural network model.[J].Yi Liang;Dongxiao Niu;Wei-Chiang Hong.Energy.2019,

[4]

Short-term electrical load forecasting using the Support Vector Regression (SVR) model to calculate the demand response baseline for office buildings.[J].Yongbao Chen;Peng Xu;Yiyi Chu;Weilin Li;Yuntao Wu;Lizhou Ni;Yi Bao;Kun Wang.Applied Energy.2017,

[5]

Wind speed forecasting approach using secondary decomposition algorithm and Elman neural networks.[J].Hui Liu;Hong-qi Tian;Xi-feng Liang;Yan-fei Li.Applied Energy.2015,

[6]

Modeling and forecasting of cooling and electricity load demand.[J].A. Vaghefi;M.A. Jafari;Emmanuel Bisse;Y. Lu;J. Brouwer.Applied Energy.2014,

[7]

Variational Mode Decomposition [J].