基于特征降维和组合模型的短期电力负荷预测

作者:徐先峰; 赵依; 龚美; 陈雨露
更新时间:

准确的负荷预测是电力系统安全稳定运行的重要保证。为了进一步提高电力负荷的短期预测精度,依托信号处理和深度学习技术,对电力负荷数据的特征降维方法和组合模型的构建进行了深入研究。首先,采用随机森林的平均不纯归约法(MDI)对高山负荷数据的特征维数进行归约。实验结果表明,上述方法可以有效地筛选影响负荷的主要因素,提高模型的学习效率。在这个基础上中,综合了各种算法的优点,提出了一个ceemdan-ARIMA LSTM组合模型。通过上述组合模型、单一LSTM模型和自动编码VMD BP模型的对比实验,有力地证明了该模型在负荷预测中具有较高的精度和适用性。