基于VMD-CSO-RF的综合能源系统短期负荷预测

摘要

准确的多元负荷预测是实现综合能源系统有效调控的前提。现有负荷预测模型没有考虑系统运行中的能量损耗和多元负荷之间的耦合特性，导致模型的预测精度不足。为此，提出一种变分模态分解(variational mode decomposition, VMD)-纵横交叉算法(crisscross optimization algorithm, CSO)-随机森林(random forest, RF)的综合能源系统短期负荷预测模型。首先，对负荷数据进行预处理，计算考虑系统能量损耗的实际负荷数据；其次，利用最大信息系数(maximal information coefficient, MIC)分析多元负荷之间、多元负荷与天气因素之间的相关性，得到负荷的强相关性变量；然后，将负荷的强相关性变量代入VMD,将负荷数据分解为平稳的特征序列；之后，将特征序列代入经CSO算法优化的RF预测模型；最后，以吉林省长春市某工业园区的多元负荷数据对模型的性能进行验证。结果表明，所建模型能有效提升多元负荷预测精度、缩短预测时长。

关键词

负荷预测 / 综合能源系统 / 多元负荷 / 随机森林

基金资助

国网吉林省电力有限公司科技项目(2021JBGS-04)