[发明专利]一种基于VMD-CNN-LSTM短期电力负荷预测方法

摘要

一种基于VMD‑CNN‑LSTM短期电力负荷预测方法，包括：获取某地区电力负荷数据，保留其中的日期和每日电力消耗数据，构成原始数据集；数据集预处理，包括对异常数据集中的缺失数据进行补全，对异常数据中的偏差数据进行修正，再通过VMD算法分解成多个分量，并进行归一化处理，按照一定的比例划分成训练集、验证集和测试集；基于VMD‑CNN‑LSTM短期电力负荷预测模型构建，基于VMD‑CNN‑LSTM短期电力负荷预测模型包括输入层、卷积神经网络层、激活层、长短期记忆网络层、全连接层、输出层；将得到的训练集用于训练基于VMD‑CNN‑LSTM短期电力负荷预测模型，得到一个适度拟合状态的短期电力负荷预测模型；将得到的电力负荷预测模型对短期电力负荷进行预测。本发明还包括电力负荷预测系统。