基于EMD-BiLSTM的短期电力负荷预测研究

短期电力负荷预测能够评估某地区整体的电力负荷变化情况,对电力系统安全稳定运行至关重要,而气象因素也具有深刻的影响。作者提出一种融合了经验模态分解(EMD)和双向长短期记忆网络(BiLSTM)的模型,首先结合气象因素分析其与电力系统用电量的相关性,选取有相关性的气象因素和历史负荷数据一起作为输入特征集,利用EMD算法将随机性强的历史电力负荷数据分解为有限个特征互异的固有模态函数分量和趋势分量。然后和气象因素一起输入到BiLSTM中深度挖掘历史数据并训练模型。最后对各分量数据分别预测并叠加输出预测值。以某地电力负荷数据为实际算例,算例结果表明,采用该方法预测模型拟合度能达到97%,具有较好的预测效果。相较于LSTM网络和BiLSTM网络的预测结果,其预测曲线更贴近于历史负荷数据,特别是对于电力负荷趋势的突然变化,其预测精度得到有效提升。