基于生成对抗网络和EMD-ISSA-LSTM的短期电力负荷预测

来源：电子测量技术杂志2024年第20期北京时间：

作者：曾进辉，苏旨音，肖锋，刘颉，孙贤水

单位：湖南工业大学电气与信息工程学院 株洲 412007

摘要：针对电力负荷本身固有的不稳定性和非线性，导致短期电力负荷预测精度难以提升问题。本文提出一种基于EMD和LSTM相结合的短期电力负荷预测方法。首先，利用EMD将原始信号分解为一系列本征模态函数和一个残差量。随后，将所有分量输入LSTM中。为进一步提升负荷预测精度和优化模型泛化能力，分别对大分量信号引入改进麻雀搜寻算法优化LSTM超参数和对原始负荷数据引入表格生成对抗网络生成新数据样本，形成基于表格生成对抗网络和EMD-ISSA-LSTM的短期电力负荷预测方法。最后，分别采用第九届电工数学建模竞赛负荷数据和湖南省某地市含分布式电源的负荷数据进行效果验证。结果表明，在两种数据集下，该模型的平均绝对百分比误差分别为2.37%和2.76%，验证了该方法的有效性。

关键词：短期电力负荷预测;经验模态分解;长短期记忆神经网络;改进麻雀搜寻算法;生成对抗网络

基金资助：国家自然科学基金（52377185）、湖南省教育厅科学研究项目重点项目（21A0349）、湖南工业大学校级联合项目（CX2404）资助