基于VMD-CNN-LSTM的农业大棚园区用电负荷短期预测

来源：信息与控制杂志2024年第2期北京时间：

作者：张培霄, 尹晓红, 李少远, 王新立

摘要：针对农业大棚用电负荷受农村供电能力、气象因素等的影响, 具有强波动性和高非线性的问题, 综合大棚短期负荷的气象特征和时序特征, 提出了一种基于变分模态分解(variational mode decomposition, VMD)的长短期记忆(long short-term memory, LSTM)网络与卷积神经网络(convolutional neural network, CNN)相融合的VMD-CNN-LSTM的短期负荷预测模型架构。首先, 基于VMD方法分解负荷序列, 降低负荷波动性; 其次, 采用CNN方法提取负荷的气象特征, 采用LSTM方法提取负荷时序特征, 进行负荷分量预测, 并将模态分量的预测结果重构; 最后, 以山东省寿光市农业大棚负荷数据为基础开展仿真实验。结果表明, VMD-CNN-LSTM模型与传统神经网络模型相比, 可有效提高农业大棚短期负荷预测的精度。

关键词：农业大棚园区负荷, 变分模态分解, 短期负荷预测, 卷积神经网络, 长短期记忆网络