基于3σ-CEEMDAN-LSTM的空间负荷预测方法 |
| |
作者姓名: | 肖白 高文瑞 李道明 綦雪松 阚中锋 |
| |
作者单位: | 东北电力大学 电气工程学院,吉林 吉林 132012;国网吉林省电力有限公司吉林供电公司,吉林 吉林 132001 |
| |
基金项目: | 国家自然科学基金资助项目(51177009);国家重点研发计划项目(2017YFB0902205) |
| |
摘 要: | 为有效利用从配电网采集的海量数据以及改善空间负荷预测效果,提出一种基于3σ准则、自适应噪声完备集合经验模态分解(CEEMDAN)和长短期记忆神经网络(LSTM)的空间负荷预测方法。基于3σ准则对每个Ⅰ类元胞的实测负荷数据进行奇异值检测和处理;运用CEEMDAN技术将处理后的Ⅰ类元胞负荷数据分解为若干个频率和幅值均不同的本征模态函数(IMF);分别对每个IMF分量构建LSTM模型进行预测;将所有IMF分量预测结果进行线性叠加,得到目标年基于Ⅰ类元胞的空间负荷预测结果,在此基础上使用空间电力负荷网格化技术求得基于Ⅱ类元胞的空间负荷预测结果。算例分析结果验证了所提方法的正确性和有效性。
|
关 键 词: | 空间负荷预测;元胞;地理信息系统;自适应噪声完备集合经验模态分解;长短期记忆神经网络 |
|
| 点击此处可从《电力自动化设备》浏览原始摘要信息 |
|
点击此处可从《电力自动化设备》下载全文 |