基于VMD和组合深度神经网络的IES多元负荷预测方法

本发明公开了一种基于VMD和组合深度神经网络的IES多元负荷预测方法，包括采用VMD变分模态分解模块将IES多元复负荷原始数据进行分解，分解得到多个不同频率尺度的子序列；由TCN时间卷积模块和GCN图卷积模块组合得到若干个时空特征提取模块，采用若干个时空特征提取模块构成的时空特征提取网络提取多个不同频率尺度的子序列的时空特征；采用LSTM网络捕捉多个不同频率尺度的子序列中多元数据的长期依赖关系；将多个不同频率尺度的子序列中多元数据的长期依赖关系和多个不同频率尺度的子序列的时空特征通过点乘融合，得到多元负荷预测的结果。在降低负荷数据非平稳性的同时，充分挖掘多元数据各个层面上的特征，在综合能源系统多元负荷预测中有优异的预测精度。