基于VMD-QPSO-BiLSTM的短期电力负荷预测方法研究

• 作者: 张铭飞 白苏赫 何艺萌 彭丹阳 李丁
• 来源期刊: 信息与电脑
• 学科: 工学
• 关键词: 短期电力负荷预测 变分模态分解 量子粒子群算法 双向长短期记忆网络
• 年，卷（期）: 2021,（19）
• 所属期刊栏目: 算法语言
• 页码范围: 47-49
• 页数: 3页
• 分类号: TM715
• 语种: 中文
• DOI: 10.3969/j.issn.1003-9767.2021.19.014

摘要

针对电力负荷呈现出非线性的特性所导致预测精度不高等问题,本文提出基于VMD-QPSO-BiLSTM的短期电力负荷预测方法.首先,采用变分模态分解(VMD)降低负荷序列的非平稳性和复杂度;其次,基于量子粒子群算法(QPSO)改进的双向长短期记忆网络(BiLSTM)的方法进行预测;最后输出分解结果.另外,进行对比实验测试,实验表明本文所提的模型相比其他智能算法模型可以取得更高的预测精度.