基于多维气象信息时空融合和MPA-VMD的短期电力负荷组合预测模型

基于多维气象信息时空融合和MPA-VMD的短期电力负荷组
合预测模型
王凌云;周翔;田恬;杨波;李世春
【期刊名称】《电力自动化设备》
【年(卷),期】2024(44)2
【摘要】为提高电力负荷预测精度,需考虑区域内不同地区多维气象信息对电力负荷影响的差异性。

在空间维度上,提出多维气象信息时空融合的方法,利用Copula 理论将多座气象站的风速、降雨量、温度、日照强度等气象信息与电力负荷进行非线性耦合分析并实现时空融合。

在时间维度上,采用海洋捕食者算法(MPA)实现变分模态分解(VMD)核心参数的自动寻优,并采用加权排列熵构造MPA-VMD适应度函数,实现负荷序列的自适应分解。

通过将时间维度各分量与空间维度各气象信息进行融合构造长短期记忆(LSTM)网络模型与海洋捕食者算法-最小二乘支持向量机(MPA-LSSVM)模型的输入集,得到各分量预测结果,根据评价指标选择各分量对应的预测模型,重构得到整体预测结果。

算例分析结果表明,所提预测模型优于传统预测模型,有效提高了电力负荷预测精度。

【总页数】8页(P190-197)
【作者】王凌云;周翔;田恬;杨波;李世春
【作者单位】三峡大学电气与新能源学院;国网武汉供电公司
【正文语种】中文
【中图分类】TM715
【相关文献】
1.基于WHAC-E组合预测模型的短期电力负荷预测
2.基于算法融合的自适应短期负荷组合预测模型研究
3.基于组合预测模型的新能源电力系统短期负荷预测研究
4.基于组合式神经网络的短期电力负荷预测模型
5.基于趋势组合的短期电力负荷预测模型
因版权原因，仅展示原文概要，查看原文内容请购买。