一种模态分解与预测的Kolmogorov-Arnold网络电力负荷盲源分离方法

本发明提出一种模态分解与预测的Kolmogorov‑Arnold网络电力负荷盲源分离方法，该模态分解与预测方法结合了EMD经验模态分解、微分积分预处理技术、GRU门控循环单元、LSTM长短期记忆网络、BiLSTM双向长短期记忆网络以及KAN深度学习模型的优势。通过对原始时间序列数据进行微分、积分和模态分解处理，增加了数据的信息量，使其更易于被神经网络捕捉复杂特征，随后利用多种循环神经网络模型进行多维度特征提取及初步预测，最后将初步预测结果输入KAN网络进行信息分离和优化，KAN即Kolmogorov‑Arnold Networks，通过KAN深度学习模型捕捉数据特征进行自适应优化，进一步提升预测结果的可靠性和精度。所提模态分解与预测方法能优化盲源信息处理技术，提高电力负荷盲源分离精度。