提高电力负荷预测准确性的GWO-VMD-NLM时间序列分析方法

提高电力负荷预测准确性的GWO‑VMD‑NLM时间序列分析方法，通过对灰狼优化算法进行改进来自动选取变分模态分解过程中的关键参数，之后将电力负荷序列通过优化参数后的VMD分解为一系列子序列，并引入样本熵捕捉子序列的内在规律性和复杂性，将子序列重组为低复杂性组F1和高复杂性组F2，最后对高复杂性组F2进行非局部均值滤波进一步滤除噪音和扰动信号，以改善输入预测模型的电力负荷数据的质量，进而提高后续电力负荷预测的准确性。本发明既有效地捕捉了电力负荷时间序列中的不同频率成分和趋势，又提取出特征丰富的负荷序列，重组后负荷序列可以输入到各种电力负荷预测模型，有利于提高后续电力负荷预测的准确率。