一种基于改进GWO-VMD-LSTM的短期负荷预测方法及系统

本发明公开了一种基于改进GWO‑VMD‑LSTM的短期负荷预测方法及系统，方法包括：对VMD特征提取前要先确定的模态分解数量和惩罚因子进行参数寻优，对负荷特征时间序列信号进行变分模态分解，将其分解成一系列本征模态函数分量，使用改进小波包软阈值函数，提出一种sluggish‑greed机制对函数进行改进，对IMF分量信号进行去噪处理，提取各分量的特征系数与模态峭度值，对去噪效果进行评估；改进长短期神经网络的网络结构，提出一种参数自适应调整优化算法，对LSTM的学习率进行动态优化，并将数据输入网络进行训练和预测。能够提高短期负荷预测的准确性，分类的精准度，有利于对电力负荷的短期精准预测。