摘要
一种考虑误差补偿和模态分解的短期负荷预测方法,它包括以下步骤:步骤S1:获取电力系统负荷数据和特征数据;步骤S2:基于ICEEMDAN对电力系统负荷数据进行初步分解,得到本征模态函数;步骤S3:以本征模态函数和特征数据为输入,训练第一网络模型TCN‑GRU,实现初步短期负荷初始预测;步骤S4:以初步短期负荷预测结果和目标负荷进行对比,构建误差序列,采用AVMD降低误差序列的不可预测性,得到变分模态函数;步骤S5:以变分模态函数为输入,训练第二网络模型TCN‑GRU,修正初步短期负荷初始预测结果,得到最终短期负荷预测结果。本发明解决了现有技术中单一预测模型精度不足和未充分利用误差序列在提升负荷预测精度方面的作用等问题。
技术关键词
电力系统负荷数据
短期负荷预测方法
误差预测
序列
短期负荷预测系统
GRU模型
拉格朗日
训练集数据
集合经验模态分解
负荷预测精度
网络
噪声系数
数据采集模块
包络
系统为您推荐了相关专利信息
压力传感器
状态监测方法
时间段
报警阀
时间序列预测模型
激光位移传感器
纠偏组件
纠偏装置
驱动组件
三次样条插值
路径规划方法
动态算法
高维向量空间
顶点
广度优先搜索