-
题名基于VMD和贝叶斯优化LSTM的母线负荷预测方法
被引量:5
- 1
-
-
作者
汤义勤
邹宏亮
蒋旭
唐佳杰
赵洁
何育钦
-
机构
国网浙江省电力有限公司台州供电公司
武汉大学电气与自动化学院
-
出处
《电网与清洁能源》
CSCD
北大核心
2023年第2期46-52,59,共8页
-
基金
国网浙江省电力有限公司科技项目(5211TZ1900S4)。
-
文摘
新型电力系统背景下,为提升母线负荷预测的精确性与稳定性,针对母线负荷噪声,提出一种考虑变分模态分解(variational mode decomposition,VMD)降噪优化和长短期记忆网络(long short-term memory,LSTM)的母线负荷预测方法。通过VMD将母线负荷分解为多个平稳的固有模态函数余项,将其分解项去除噪声后进行重组,达到降噪优化效果;对降噪后的母线负荷序列构建基于LSTM的时序预测模型,利用贝叶斯优化方法对网络初始超参数进行优化,以提高时序预测模型的精度。算例研究结果表明:利用VMD对母线负荷进行降噪优化后再进行预测,有利于预测结果更加稳定,且贝叶斯优化寻参解决了因初始参数设置不当而使预测结果精度不高的问题。该文方法可运用于母线短期负荷预测,并为电网调度运行提供了决策依据。
-
关键词
变分模态分解
贝叶斯优化理论
长短期记忆网络
母线负荷降噪
短期母线负荷预测
-
Keywords
variational mode decomposition(VMD)
Bayesian optimization
long short-term memory
noise reduction of bus load
short-term bus load forecasting
-
分类号
TM714
[电气工程—电力系统及自动化]
-