基于VMD-EMD-LSTM的日前電價預測

翟廣松，王鵬，謝智鋒，吳鎮波

（廣東工業大學 自動化學院，廣東 廣州 510006）

0 引言

隨著電力市場的發展，發用電計劃和競爭性環節電價逐步放開，新能源滲透率不斷提高，使得電價波動更加強烈，電價預測難度隨之增大。目前，電價預測方法主要有統計方法和人工智能方法。統計方法基于線性預測，在處理非線性電價預測問題時難以達到滿意的程度。人工智能方法包括極限學習機、隨機森林回歸、LSTM（Long-Short Term Memory）等。LSTM 作為RNN（Recurrent Neural Network）的改進模型，避免了RNN 梯度消失問題，非線性建模能力強，為電價預測提供了更為適合的基礎模型。

電價具有非平穩特性，采用模式分解方法將電價分解為若干相對平穩的子序列，然后分別建模預測，再將各子序列預測結果疊加得到最終預測電價，有利于電價預測精度的提升。文獻[5]采用小波變換分解電價，但自適應性差；文獻[6]采用經驗模式分解（Empirical Mode Decomposition,EMD）采用遞歸方式對電價進行分解，可能出現模態混疊。文獻[7]采用變分模態分解（Variational Mode Decomposition,VMD）對電價進行自適應、非遞歸分解，具有較強的可靠性與魯棒性。

由于電價波動性大，VMD 分解后的殘差項依然具有較強非平穩性，為進一步提升電價預測精度，利用EMD 對殘差項進一步分解，提出了基于VMD-EMD-LSTM 的混合預測模型。實驗結果表明，該方法相比于其他對比方法的電價預測精度要更高。

1 相關理論

1.1 變分模態分解

VMD 是一種新的信號分解方法，通過變分問題的構造和求解實現分解過程，將復雜信號分解為個調幅-調頻（AFS）信號。文中……