基于VMD-GRU的电力短期负荷预测方法 |
| |
引用本文: | 黄冬梅,唐振,胡安铎,孙锦中.基于VMD-GRU的电力短期负荷预测方法[J].物联网技术,2021(4):67-70. |
| |
作者姓名: | 黄冬梅 唐振 胡安铎 孙锦中 |
| |
作者单位: | 上海电力大学电子与信息工程学院 |
| |
基金项目: | 上海市科委地方院校能力建设项目(20020500700)。 |
| |
摘 要: | 针对电力短期负荷的非平稳性影响预测精度的问题,文中提出一种基于变分模态分解(VMD)和门控循环单元(GRU)的电力短期负荷预测方法。首先,利用VMD对电力负荷数据进行分解,得到一组比原始负荷数据更具有规律性的模态分量;然后,采用GRU网络学习每一模态分量动态变化特征,并对该分量进行预测;最后,将每一分量的预测结果叠加,得到最终的预测结果。采用LSTM、GRU、EMD-LSTM、EMD-GRU、VMD-LSTM、VMD-GRU预测模型进行对比实验,得出VMD-GRU模型的平均绝对百分误差仅为2.081%。实验结果表明,所提的基于VMD-GRU的方法可以有效地提升电力短期负荷预测精度。
|
关 键 词: | 短期负荷预测 电力物联网 变分模态分解 门控循环单元 组合模型 网络学习 |
本文献已被 维普 等数据库收录! |
|