《电子测量技术杂志》发表论文赏析

基于模态分解和误差修正的短期电力负荷预测

来源:电子测量技术杂志2025年第5期北京时间:

作者:鄢化彪,李东丽,黄绿娥,张航菘,姚龙龙

单位:江西理工大学理学院 赣州市 341000

摘要:针对电力负荷非线性、高波动性和强随机性等特性导致无法充分提取时序特征引起预测误差较大的问题,提出了基于改进的自适应白噪声完全集合经验模态分解和误差修正的双向时间卷积网络双向长短期记忆网络短期电力负荷预测方法。先由最大信息系数筛选出与负荷高度相关的特征集,以削弱特征冗余;通过改进的自适应白噪声完全集合经验模态分解将高波动性的负荷分解为频率各异的本征模态分量和残差,以降低非平稳性;引入样本熵将复杂度相近的分量重构成新子序列,以降低计算量;然后,结合并行双向时间卷积网络提取不同尺度的特征,利用双向长短期记忆网络对负荷序列初步预测,使用麻雀优化算法对神经网络超参数调优;最后,误差序列通过误差修正模块对初始预测值进行修正。经实验验证,与其他预测模型相比,RMSE最多降低51.42%,最少降低34.26%,验证了模型的准确性和有效性。

关键词:电力负荷;短期预测;自适应经验模态分解;样本熵;双向时间卷积网络;双向长短期记忆;麻雀搜索算法

基金资助:江西省自然科学基金(20224BAB202036)、江西省教育厅科学技术重点研究项目(GJJ2200805)资助

2025年5期其他文献查阅:

面向RTC的微秒级采样实时控制系统设计与实现

通信系统发射通道的雷电防护设计

柔性支承的立式转子主动电磁阻尼减振研究

基于实域粗糙集和NRBO-XGBoost的变压器故障诊断

基于改进YOLOv10n的电动车头盔佩戴检测算法

基于GAN-LSTM改进T-L磁补偿方法

结合注意力和多尺度特征的电动汽车负荷预测

基于双流特征增强网络的超短期光伏功率预测

一种抗差估计的GNSS/UWB/IMU集成式室内外无缝定位方法

基于改进YOLOv8的电梯内电动车检测算法

基于模态分解和误差修正的短期电力负荷预测

基于表面肌电信号估计多自由度手指力的ShuffleVT模型

基于深度学习与聚类的开集个体识别技术

实复域多尺度多层次融合的复合故障定位方法

基于改进YOLOv5s太阳能电池片表面缺陷检测算法

3D打印碳纤维复合材料构件缺陷识别方法研究

改进YOLOv8的电动自行车电池检测算法

基于霍夫梯度的同步并行圆检测方法

锂电池X射线图像增强算法研究

基于GSV-YOLO的飞机起落架缺陷检测方法研究

基于重参数化的光伏电池缺陷检测算法

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!