公开(公告)号：CN117291301A

公开(公告)日：2023-12-26

申请号：CN202311238922.1

申请日：2023-09-25

Applicant: 贵州大学

Inventor： 何宇 ,  张靖 ,  陈飞 ,  耿冠晨 ,  刘影

IPC: G06Q10/04 ,  H02J3/00 ,  G06N3/0464 ,  G06N3/049 ,  G06N3/047 ,  G06N3/0442 ,  G06Q50/06

Abstract: 本发明公开了一种基于PSO优化VMD分解的短期电力负荷预测方法，包括以下步骤：基于PSO优化算法，以样本熵为适应度函数对VMD分解法的参数进行寻优，获得最优参数，进而获得优化后的VMD分解法；基于优化后的VMD分解法分解原始负荷序列，获得复杂度最小的子序列分量；构建TCN‑Attention预测模型并进行训练，基于训练后的TCN‑Attention预测模型对子序列分量进行预测，获得短期电力负荷预测结果。本发明使用PSO优化后的VMD分解法对负荷进行分解，弥补了VMD分解法需要人工调整参数的缺点，以样本熵为适应度函数，可分解得到时间复杂度最小的负荷分量，有利于预测模型对负荷特征的学习和提取。