[发明专利]基于VMD-CNN-LSTM的短期电力负荷预测方法

摘要

本发明涉及基于VMD‑CNN‑LSTM的短期电力负荷预测方法，属于电力负荷预测技术领域，通过VMD技术进行短期电力负荷序列分解；通过CNN‑LSTM模型进行短期电力负荷的初始预测；结合气候、湿度相关因素特征对CNN‑LSTM模型初始预测的电力负荷进行修正预测。合理对负荷序列及相关影响影响因素进行处理和使用，提高电力负荷预测的精度。构建了基于变分模态分解的卷积长短时记忆网络短期电力负荷预测模型。合理使用气候特征等相关因素使得模型对训练样本数量的要求大大降低，并且在休息日和工作日负荷平均水平相差较大的情况下仍能对两者均做出较好的预测。加入CNN网络能大大提升预测网络的训练速度。