基于AO-VMD-BiGRU的短期负荷预测方法

摘要

为提高短期电力负荷预测的准确性,针对变分模态分解(VMD)参数选择问题,提出一种天鹰算法(AO)优化变分模态分解(VMD)和双向门控循环单元(BiGRU)神经网络相结合的AO-VMD-BiGRU负荷预测模型。利用AO对VMD损失函数的参数进行迭代寻优,再传输到双向门控循环单元中进行时间序列数据预测。试验表明,该模型预测精度达到98%以上,能够提供更具可靠性的电力负荷预测模型。