基于VMD-LSTMQR的滚动母线负荷区间预测

基于VMD-LSTMQR的滚动母线负荷区间预测
负荷区间预测能够对负荷出力变化进行概率化分析，准确量化不确定性因素对负荷的影响。相较于传统的点预测，区间预测更能直观反映负荷变化趋势，有助于保障电力系统的安全稳定运行。基于此，文中提出一种基于变分模态分解-长短期记忆神经网络分位数回归（VMD-LSTMQR）的滚动母线负荷区间预测方法。首先，文中采用VMD将原始母线负荷分解成一系列不同频率特征的子序列；接着，确定不同子序列的最优滚动步长并采用LSTMQR分别对不同子序列进行区间预测；最后，将不同子序列的区间预测进行重构，得到原始母线负荷预测结果。文中利用220 kV和10 kV母线负荷数据验证了所采用的区间预测模型相较于传统区间预测模型在预测精度、区间宽度方面得到明显改善。

标题：
基于VMD-LSTMQR的滚动母线负荷区间预测
Rolling bus load interval prediction based on VMD-LSTMQR

作者：
董新伟，卜智龙，陈鸣慧，鹿文蓬，年珩
DONG Xinwei, BU Zhilong, CHEN Minghui, LU Wenpeng, NIAN Heng

关键词：
母线负荷;区间预测;变分模态分解(VMD);长短期记忆神经网络分位数回归(LSTMQR);滚动模式;分解重构
bus load;interval prediction;variational mode decomposition (VMD);long short-term memory neural network quantile regression (LSTMQR);rolling mode;decomposition and reconstruction

2025-1-23 19:51 上传 基于VMD-LSTMQR的滚动母线负荷区间预测.pdf

文件大小:

1.98 MB

下载次数:

60

高速下载