基于VMD-SSA-RF算法的短期电力负荷预测模型优化

来源：电工电能新技术杂志2024年第12期北京时间：

作者：张羽姗， 周亚同

单位：河北工业大学电子信息工程学院， 天津 300401

摘要：针对短期电力负荷预测模型其预测结果精度不佳的问题，本文提出了一种利用变分模态分解技术(VMD)获取短期负荷数据深层特征，后使用麻雀搜索算法(SSA)针对随机森林(RF)负荷预测模型中的超参数进行优化的短期电力负荷预测模型。首先在数据处理部分使用VMD将负荷数据分解获得多个模态分量，对分解后的模态分量进行分析并将受噪声影响严重以致波形浮动过大的模态分量进行合并以减少模型计算量。然后利用麻雀搜索算法对随机森林预测模型进行超参数优化，对经过VMD分解后所得的多个模态分量分别构建优化预测模型进行预测，重构其结果获得最终预测结果。通过算例分析，验证了本文所提模型较同类智能模型在短期负荷预测方面有更加优秀的表现。

关键词：变分模态分解； 麻雀搜索算法； 随机森林； 短期负荷预测； 预测精度

基金资助：京津冀基础研究合作专项(J210008、 21JCZXJC00170、 H2021202008)、 内蒙古自治区纪检监察大数据实验室开放课题（IMDBD202105）