基于MLR和LSTM神经网络的短期负荷预测方法

摘要

由于短期负荷非静止和强随机特征,难以准确预测负荷行为.为此,提出了改进的短期负荷预测方法.应用集合经验模态分解算法,依据频率从低到高将负荷分组;通过MLR预测平滑、周期的低频部分,保持高效的计算能力,而对具有强随机性的高频部分,则通过LSTM进行预测,即采用结合MLR和LSTM这两种方法获得实际预测负荷.最后,通过实验计算来自中国西部的测试数据,验证该方法的有效性.