电工电能新技术

作者：段雪滢1， 李小腾2， 陈文洁1

单位：1. 西安交通大学电气工程学院， 陕西 西安 710049；
\r\n2. 国网陕西省电力科学研究院， 陕西 西安 710000

关键词：粒子群优化算法, 变分模态分解, 门控循环单元, 短期负荷预测

负荷分解后再预测的方法是负荷预测目前比较有效的组合预测方式。针对传统经验模态分解存在的端点效应和模态混叠的问题，以及负荷分解和重构未考虑负荷特性的情况，本文提出了一种基于改进粒子群优化算法进行参数寻优的变分模态分解（VMD）和门控循环单元（GRU）的预测方法，组合多个预测模型的输出获得总的负荷值。该方法应用较为先进的VMD分解技术获得相对平稳的子序列，通过提出的改进粒子群优化算法进行参数学习，同时使用自归一化的GRU结构解决模型训练过程中梯度消失和爆炸的问题。并将该方法应用于陕西某地区负荷预测，结果表明，所提的改进粒子群优化算法(IPSO)胜过最新的元启发式算法和粒子群优化算法变体，自归一化GRU相较于标准GRU获得了更好的预测结果，比现有基线模型准确度更高。

来源：2022年第5期

《电工电能新技术》期刊编辑部

查看电工电能新技术杂志2022年第5期