基于ICEEMDAN-DCN-Transformer的短期电力负荷预测

摘要

针对传统负荷预测方法易受复杂环境因素影响的问题，提出了基于ICEEMDAN-DCN-Transformer的短期电力负荷组合预测模型，该模型将电力负荷数据通过ICEEMDAN方法分解为若干个IMF和一个Res函数，考虑复杂环境因素的影响，将分解后各分量与环境特征并行输入到DCN-Transformer中进行预测，并将各组预测数据线性相加得到完整的预测结果。以泉州市电力负荷历史数据为基础进行实验，建立4种单一预测模型和3种组合预测模型作为对比模型，对该地10 d、240 h的电力负荷序列加以预测。结果表明，相较于传统算法，所提算法可以显著提高负荷预测的精度并有效降低误差评价指标值，为电力系统的安全运行和规划制定提供理论依据。

关键词

电力负荷预测 / 改进型完全自适应噪声集合经验模态分解算法 / 深度交叉网络 / 预测精度 / 短期负荷 / 组合预测模型 / 误差评价

基金资助

国家自然科学基金项目(61802250)