基于ＩＣＥＥＭＤＡＮ-ＤＣＮ-Ｔｒａｎｓｆｏｒｍｅｒ的短期電力負荷預測

摘 要：針對傳統負荷預測方法易受復雜環境因素影響的問題，提出了基于ＩＣＥＥＭＤＡＮＤＣＮＴｒａｎｓｆｏｒｍｅｒ的短期電力負荷組合預測模型，該模型將電力負荷數據通過ＩＣＥＥＭＤＡＮ方法分解為若干個ＩＭＦ和一個Ｒｅｓ函數，考慮復雜環境因素的影響，將分解后各分量與環境特征并行輸入到ＤＣＮＴｒａｎｓｆｏｒｍｅｒ中進行預測，并將各組預測數據線性相加得到完整的預測結果。以泉州市電力負荷歷史數據為基礎進行實驗，建立４種單一預測模型和３種組合預測模型作為對比模型，對該地１０ｄ、２４０ｈ的電力負荷序列加以預測。結果表明，相較于傳統算法，所提算法可以顯著提高負荷預測的精度并有效降低誤差評價指標值，為電力系統的安全運行和規劃制定提供理論依據。

關 鍵 詞：電力負荷預測；改進型完全自適應噪聲集合經驗模態分解算法；深度交叉網絡；預測精度；短期負荷；組合預測模型；誤差評價

中圖分類號：ＴＭ７１５ 文獻標志碼：Ａ 文章編號：１０００－１６４６（２０２４）０４－０３８８－０９

短期電力負荷預測對電力行業的經濟效益和資源管理利用起到重要作用。快速、精確的預測可以有效保證電力系統的穩定運行，減少運行成本并提高用戶的滿意度［１－２］。能源互聯網的快速發展及可再生能源發展政策的多方位推進，為基于深度學習的電力負荷預測提供了技術指導和數據支持。