文档名：基于改进金豺算法的短期负荷预测
摘要：针对电力负荷序列波动性和预测精度不高的问题,提出一种基于变分模态分解、排列熵和改进金豺算法优化双向长短期记忆网络的预测模型.首先,利用变分模态分解重构原始负荷序列,再采用排列熵理论对分解后的子序列进行熵值重组;然后,利用改进金豺算法对双向长短期记忆网络的参数进行优化,并对每个子序列建立预测模型;最后,组合各模型结果得到最终预测值.实验结果表明,本文模型预测精度更高,与真实值拟合度更好.
Abstract：Aimedatproblemssuchasvolatilepowerloadsequenceandlowpredictionaccuracy,apredictionmodelisproposed,whichisbasedonvariationalmodedecomposition(VMD),permutationentropy(PE)andabidirectionallongshort-termmemory(BiLSTM)networkoptimizedbyanimprovedgoldenjackaloptimization(IGJO)algorithm.First,theoriginalloadsequenceisreconstructedbyVMD.Second,thePEtheoryisusedtoreconstructtheentropyvaluesofdecomposedsubsequences.Third,theIGJOalgorithmisappliedtooptimizetheparametersoftheBiLSTMnetwork,andapredictionmodelisestablishedforeachsubsequence.Finally,theresultofeachmodeliscombinedtoobtainthefinalpredictedvalue.Experimentalresultsindicatethatthemodelestablishedinthispaperhasahigherpredictionprecisionandabetterfittingdegreebetweenpredictedandrealvalues.
作者：谢国民 王润良Author：XIEGuomin WANGRunliang
作者单位：辽宁工程技术大学电气与控制工程学院,葫芦岛125105
刊名：电力系统及其自动化学报
Journal：ProceedingsoftheCSU-EPSA
年，卷(期)：2024, 36(3)
分类号：TM715
关键词：变分模态分解 改进金豺算法 双向长短期记忆 组合模型 短期负荷预测
Keywords：variationalmodedecomposition(VMD) improvedgoldenjackaloptimization(IGJO)algorithm bidirectionallongshort-termmemory(BiLSTM) combinationmodel short-termloadprediction
机标分类号：TM715TP183TP391
在线出版日期：2024年4月28日
基金项目：国家自然科学基金，辽宁省教育厅重点实验室基金资助项目基于改进金豺算法的短期负荷预测[
期刊论文] 电力系统及其自动化学报--2024, 36(3)谢国民 王润良针对电力负荷序列波动性和预测精度不高的问题,提出一种基于变分模态分解、排列熵和改进金豺算法优化双向长短期记忆网络的预测模型.首先,利用变分模态分解重构原始负荷序列,再采用排列熵理论对分解后的子序列进行熵值重...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于改进金豺算法的短期负荷预测 Short-term Power Load Prediction Based on Improved Golden Jackal Optimization Algorithm
基于改进金豺算法的短期负荷预测.pdf
- 文件大小:
- 1.72 MB
- 下载次数:
- 60
-
高速下载
|
