基于双层优化VMD-LSTM的农村超短期电力负荷预测

摘要

稳定的供电是农村发展建设的有力保障,而电力负荷水平是建设效果的重要衡量标准,因此建立精确的负荷预测模型可以更准确直观显现电力负荷情况,为供电公司制定决策提供有力支撑。由于LSTM负荷预测模型在数据预测方面存在收敛性差、预测精度不高等问题,为提高模型的预测精度,提出一种基于双层优化VMD-LSTM的超短期电力负荷预测方法。首先提出麻雀算法优化变分模态分解（sparrow variational mode decomposition,SVMD）,通过SVMD将原始数据转化为模态分量（intrinsic mode functions,IMF）;其次采用改进樽海鞘群算法（association salp swarm algorithm,ASSSA）优化LSTM模型。通过引入4种策略增强标准樽海鞘算法优化能力;最后将各模态分量分别代入到新模型并进行叠加预测。选取辽宁省某市某乡村10kV变压器真实历史负荷数据,以均方根误差（RMSE）、平均绝对误差（MAE）、平均绝对百分比误差（MAPE）、拟合度（R²）作为评价指标,并与其他基础预测模型进行对比,结果表明,改进后的算法在计算精度、稳定性方面均优于其他基础预测模型。

关键词

长短期预测 / 双层优化 / 樽海鞘群算法 / 变分模态分解 / 叠加预测