基于VMD-CNN-LSTM的农业大棚园区用电负荷短期预测 |
| |
引用本文: | 张培霄,尹晓红,李少远,王新立.基于VMD-CNN-LSTM的农业大棚园区用电负荷短期预测[J].信息与控制,2024(2):238-249. |
| |
作者姓名: | 张培霄 尹晓红 李少远 王新立 |
| |
作者单位: | 1. 青岛科技大学自动化与电子工程学院;2. 山东大学控制科学与工程学院 |
| |
基金项目: | 国家自然科学基金项目(61703223); |
| |
摘 要: | 针对农业大棚用电负荷受农村供电能力、气象因素等的影响,具有强波动性和高非线性的问题,综合大棚短期负荷的气象特征和时序特征,提出了一种基于变分模态分解(variational mode decomposition, VMD)的长短期记忆(long short-term memory, LSTM)网络与卷积神经网络(convolutional neural network, CNN)相融合的VMD-CNN-LSTM的短期负荷预测模型架构。首先,基于VMD方法分解负荷序列,降低负荷波动性;其次,采用CNN方法提取负荷的气象特征,采用LSTM方法提取负荷时序特征,进行负荷分量预测,并将模态分量的预测结果重构;最后,以山东省寿光市农业大棚负荷数据为基础开展仿真实验。结果表明,VMD-CNN-LSTM模型与传统神经网络模型相比,可有效提高农业大棚短期负荷预测的精度。
|
关 键 词: | 农业大棚园区负荷 变分模态分解 短期负荷预测 卷积神经网络 长短期记忆网络 |
|
|