基于微电网的PCVMD-CNN-GRU-Attention的负荷预测方法

本发明涉及电力系统负荷预测技术领域，且公开了基于微电网的PCVMD‑CNN‑GRU‑Attention的负荷预测方法，包括以下步骤：S1、收集微电网电力负荷数据，对数据进行预处理；S2、构造麻雀算法分解VMD的适应度函数；S3、对于麻雀算法优化VMD参数，确定参数后将原始负荷分为若干个子模态和一个残差量；S4、对子模态数据和残差数据进行频率分析；S5、将归一化之后的分量数据输入到CNN‑GRU‑Attention模型中进行训练和预测，保存和分量数相同的模型个数；S6、对各分量进行分别预测。本发明通过利用CNN对多维历史数据进行特征提取，利用Attention机制结合GRU模型对所提取的特征的时序前后关系进行建模，最终完成短期负荷预测，达到了具备根据微电网负荷的历史数据，生成模型对原始数据进行预处理的有益效果。