基于EEMD-IWOA-TCN的电网短期负荷预测

为提高较少输入特征下对电网负荷的预测精度，提出一种基于集合经验模态分解(ensemble empirical mode decomposition,EEMD)、改进鲸鱼优化算法(improvewhaleoptimizationalgorithm,IWOA)和时域卷积网络(temporal convolutional network,TCN)相结合的电网负荷预测方法。首先，使用EEMD对原始序列进行分解，得到具有较高细粒度的负荷分量序列；其次，采取相关性分析对分量进行融合，对融合后的分量序列分别建立TCN预测模型；然后，使用IWOA对TCN内部的超参数进行优化，提升模型训练速度和预测性能；最后，将各分量序列的预测值进行累计，输出最终负荷预测值。实证分析表明：所提方法具有较高的预测精度和良好的鲁棒性。