基于集合经验模态分解和Q学习策略的短期负荷预测模型

摘要

短期负荷预测对电力系统的安全稳定运行有着重要意义，为此，提出一种基于集合经验模态分解和Q学习策略优化的短期负荷预测模型。首先，采用集合经验模态分解对原始负荷序列进行分解，以降低预测难度。其次,在此基础上分别采用卷积神经网络、残差神经网络、长短时记忆神经网络和门控循环单元网络4个深度学习模型进行预测得到4个预测结果，再对其加权组合获得最终的负荷预测值。第三，利用Q学习策略对组合权重进行优化,进而最大化组合模型的预测性能。最后，通过某地区真实采集的负荷数据进行实验，结果表明文中所提出的组合预测模型优于其他预测模型，并验证了所提模型的有效性。

关键词

短期负荷预测 / 集合经验模态分解 / 深度学习模型 / Q学习策略