基于CEEMDAN和HBA-BiGRU-SelfAttention的短期负荷预测

来源：南京信息工程大学学报·自然科学版杂志2025年第4期北京时间：

作者：朱婷，颜七笙

单位：朱婷,东华理工大学 经济与管理学院, 南昌, 330013,颜七笙,东华理工大学 理学院, 南昌, 330013

摘要：针对电力负荷数据存在非线性、时序性等多方面因素导致的预测精度不足等问题,本文提出一种基于CEEMDAN和HBA-BiGRU-SelfAttention的短期负荷预测模型.首先,采用随机森林(RF)算法对气象因素进行特征提取,在保证数据特征的同时,降低数据的复杂度;其次,采用自适应噪声完备集合经验模态分解(CEEMDAN)算法对原始负荷数据进行分解,得到若干较为平稳的模态分量;然后,将经过特征提取的气象因素和模态分量作为输入数据,利用BiGRU(双向门控循环单元)-SelfAttention(自注意力机制)模型进行预测,并针对BiGRU-SelfAttention模型的超参数难以选取最优解的问题,引入蜜獾算法(HBA)对BiGRU-SelfAttention模型的超参数进行寻优;最后,将子序列预测结果叠加,得到最终预测结果.以某地实际电力负荷数据为数据集进行对比试验,结果表明,本文所提出的模型具有较高的预测精度,可以为电力系统稳定运行提供可靠依据.

关键词：短期负荷预测;随机森林;自适应噪声完备集合经验模态分解;蜜獾算法;双向门控循环单元;自注意力机制

基金资助：国家自然科学基金(71961001);东华理工大学研究生创新基金(DHYC-202225)