基于EEMD-GRU的短期电力负荷预测方法

摘要

电力负荷数据具有高度随机性和不确定性,传统方法预测精度较差,因而提出了一种基于集合经验模态分解和门控循环单元(EEMD-GRU)的短期负荷预测方法。模型利用EEMD对非平稳原始序列进行处理,将原始负荷时间序列信号分解为有限个固有模态函数和残差分量,通过利用GRU建立各分量预测模型,然后将归一化后的分量输入训练模型,得到预测负荷序列,同时以ISO-NE数据集和荆州电网实际数据为例,对比分析了EEMD-GRU,GRU,LSTM模型的预测结果。研究表明,EEMD-GRU模型的MAPE和RMSE值明显低于GRU和LSTM模型,预测性能最好,验证了该方法的准确性。