基于VMD-DenseNet的短期电力负荷预测 |
| |
作者姓名: | 余珊 温蜜 顾春华 陈禹帆 |
| |
作者单位: | 1. 上海电力大学计算机科学与技术学院;2. 上海理工大学光电信息与计算机工程学院 |
| |
基金项目: | 国家自然科学基金项目(61802248,61802249);;上海市2019年度“科技创新行动计划”高新技术领域项目(19511103700); |
| |
摘 要: | 针对电力负荷较为复杂的变化特性,以及现有预测算法未能充分利用数据中的特征、存在精度不足的问题,提出一种基于VMD-DenseNet的组合预测模型。通过VMD将原始负荷序列分解为趋势分量、细节分量和随机分量,并采用最大信息系数为各分量选取相关性较大的特征变量。引入一维DenseNet神经网络模型预测各分量负荷,通过密集连接实现特征重用,加强对各分量特征的提取。以欧洲某电网的负荷数据集为算例,分别在提前1 h和提前6 h两种不同的预测时间尺度下进行实验,结果表明提出的模型都能够更好地提取数据中的潜在特征,相较于其他模型具有更高的预测精度。
|
关 键 词: | 短期电力负荷预测 DenseNet 变分模态分解 最大信息系数 特征重用 |
|