[发明专利]基于VMD-CNN-LSTM的短期电力负荷预测方法

权利要求书

1.基于VMD-CNN-LSTM的短期电力负荷预测方法，其特征在于，包括以下步骤：

S1、通过VMD技术进行短期电力负荷序列分解；

S2、在步骤S1的基础上，通过CNN-LSTM模型进行短期电力负荷的初始预测；

S3、在步骤S2的基础上，结合气候、节假日信息相关因素特征对CNN-LSTM模型初始预测的电力负荷进行修正预测。

2.如权利要求1所述的基于VMD-CNN-LSTM的短期电力负荷预测方法，其特征在于，步骤S1中VMD的约束变分问题如下：

式中：{u_k}为信号分解后的第k个模态分量；{ω_k}为第k个模态分量的频率中心；δ(t)表示狄拉克分布，*为卷积运算符。

3.如权利要求2所述的基于VMD-CNN-LSTM的短期电力负荷预测方法，其特征在于，步骤S2具体如下：

对VMD处理后得到的各模态分量及残差分量，利用CNN-LSTM模型进行短期电力负荷的初始预测；

具体计算公式如下：

式中，w为权重矩阵；b为偏置项；σ表示sigmoid函数，其作用是将f_t，i_t，o_t的值限定为区间[0,1]上的实数；tanh表示tanh函数，作用是将输出值限定在区间[-1,1]上；即，经VMD技术处理过后的各模态分量，经过CNN-LSTM预测模型之后，得到一个初始的短期负荷预测结果。

4.如权利要求3所述的基于VMD-CNN-LSTM的短期电力负荷预测方法，其特征在于，步骤S3具体如下：

将气候、节假日类型相关因素归一化处理后与CNN-LSTM预测模型的输出结果进行合并重构，再使用多重全连接层进行特征提取与拟合工作，最后输出相关因素修正后的短期电力负荷预测结果。