基于模态分解和多模型融合的IES多元负荷预测

来源：电子测量技术杂志2025年第17期北京时间：

作者：李大华，赵志成，田禾，高强

单位：天津理工大学天津市复杂系统控制理论与应用重点实验室 天津 300384

摘要：针对综合能源系统中多元负荷的随机性和高波动性所带来的挑战，现有的负荷预测方法通常难以实现高精度和稳定的预测效果。为解决这一问题，提出一种基于模态分解和多模型融合的IES短期负荷预测方法。首先，利用最大互信息系数对输入特征进行筛选，旨在有效识别与负荷变化相关的关键因素；其次，将样本熵结合互信息为适应度函数，采用指数三角优化算法获得VMD的最优参数组合，从而实现对IES负荷的有效分解，得到多个本征模态函数；接着，采用排列熵对分解结果进行筛选，提取出反映负荷变化特征的低频和高频分量；最后，采用BiLSTM网络对低频分量进行预测，并通过BiTCN-LPTransformerBiGRU模型对高频分量的预测，将各分量的预测结果叠加得到最终预测结果。通过对实际负荷数据验证，以春季电负荷为例，该模型的RMSE、R2、MAPE分别为118.394 kW、0.991和0.351%，相较于传统模型，显著提高了预测精度，验证所提方法的有效性。

关键词：综合能源系统;模态分解;最大互信息系数;指数三角优化算法;负荷预测

基金资助：天津市企业科技特派员项目（22YDTPJC00170）资助