基于EMD-BiLSTM-ANFIS的负荷区间预测

doi:10.19292/j.cnki.jdxxp.20230707.007

吉林大学学报(信息科学版) ›› 2024, Vol. 42 ›› Issue (01) : 176 -185. DOI: 10.19292/j.cnki.jdxxp.20230707.007

作者信息 +

Author information +

文章历史 +

PDF

摘要

考虑到新型电力负荷随机性增强，传统的准确预测方法已无法满足要求，提出一种EMD-BiLSTM-ANFIS(Empirical Mode Decomposition-Bi-directional Long Short-Term Memory-Adaptive Network-based Fuzzy Inference System)分位数预测负荷概率密度的方法，使用负荷预测区间取代点预测的准确数值，能为电力系统分析与决策提供更多数据，增强预测的可靠性。首先将原始负荷序列通过EMD(Empirical Mode Decomposition)分解成若干分量，并通过计算样本熵分为3类分量。然后将重构后的3类分量与由相关性筛选的外界因素特征采用BiLSTM、ANFIS模型进行训练和分位数回归(QR:Quantile Regression),并将分量的预测区间结果累加得到最终负荷的预测区间。最后利用核密度估计输出任意时刻用户负荷概率密度预测结果。通过与CNN-BiLSTM(Convolutional Neural Network-Bidirectional Long Short-Term Memory)、LSTM(Long Short-Term Memory)模型对比点预测及区间预测结果，证明了该方法的有效性。