基于改进二次模态分解和BiLSTM-Attention的 短期电力负荷预测

• 作者: 梅锦超 张鹏宇 程斌 吴永华
• 来源期刊: 电工材料
• 关键词: 二次模态分解 分解损失 注意力机制 双向长短期神经网络 短期电力负荷预测
• 年，卷（期）: 2024,（2）
• 页码范围: 100-104
• 页数: 5页
• 语种: 中文
• DOI: 10.16786/j.cnki.1671-8887.eem.2024.02.023

摘要

针对短期电力负荷预测中变分模态分解的参数选择缺乏有效优化，采用长短期记忆神经网络预测时存在长期信息弱化等问题，提出了一种基于改进二次模态分解，并利用注意力机制重新分配神经网络中输入权重的预测方法。首先对传统二次模态分解中的分解参数采用分解损失的评价标准进行优化。然后在特征选择的基础上，将注意力机制和正反向记忆层添加到长短期神经网络中，针对各个模态分量分别进行训练预测。最后将子序列预测结果重构输出。算例分析表明，所提方法解决了预测中变分模态分解的参数选择及长期信息的弱化等问题，有效减小了分解损失，具有更高的预测精度。