其他
【精彩论文】基于互补集合经验模态分解和长短期记忆神经网络的短期电力负荷预测
引文信息
赵会茹, 赵一航, 郭森. 基于互补集合经验模态分解和长短期记忆神经网络的短期电力负荷预测[J]. 中国电力, 2020, 53(6): 48-55.ZHAO Huiru, ZHAO Yihang, GUO Sen. Short-term load forecasting based on complementary ensemble empirical mode decomposition and long short-term memory[J]. Electric Power, 2020, 53(6): 48-55.
内容摘要
随着电力行业的不断发展，负荷预测的重要性也不断彰显，作为负荷预测的重要组成部分，短期负荷预测对于电力系统的调度运行、市场交易都有着重要的意义，精确的负荷预测有助于提高发电设备的利用率和经济调度的有效性。由于影响负荷数据的随机因素太多且具有较强非线性的特点，提出一种基于互补集合经验模态分解和长短期记忆神经网络的短期电力负荷预测方法。通过对某市负荷数据进行仿真，将仿真结果与其他传统预测方法结果相对比，最终证明长短期记忆神经网络模型的误差更低，具有较高的预测精度。同时将互补集合经验模态分解下的长短期记忆神经网络方法与其他分解方法下的长短期记忆神经网络模型预测结果进行对比，验证互补集合经验模态分解方法对提升预测精度的有效性。
往期回顾
◀【征稿启事】“能源安全新战略路径设计与规划推演关键技术”专栏征稿启事
编辑：杨彪
审核：蒋东方
根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。