一种结合时间序列分解的短期电力组合预测方法

摘要

短期电力负荷具有整体周期性和局部非线性的特点,单一模型预测精度不高.为此,提出一种基于改进的奇异谱分析(ISSA)方法的组合预测模型.首先从奇异谱分析(SSA)的轨迹矩阵构建、主成分选取等步骤改进传统SSA,以便更好分离实际负荷中的趋势序列分量和随机序列分量;随后分别通过多元线性回归(MLR)和长短期记忆(LSTM)神经网络方法对分离出的趋势负荷和随机负荷进行预测;最后叠加两部分预测值得到最终预测结果.ISSA-MLR-LSTM(ISML)组合预测模型能很好地刻画实际负荷变化趋势和进行精准预测.实验结果表明:相较于单一的LSTM、MLR和组合EEMD-MLR-LSTM等预测模型,ISML组合预测模型能够有效地提高短期电力负荷的预测精度.