EMD-LSTM算法在短期電力負荷預測中的應用

摘要：針對傳統的負荷預測方法不能充分利用數據的相關性從而導致預測精度不高的問題,提出了一種基于經驗模態分解(EMD)和長短期記憶神經網絡(LSTM)相結合的負荷預測模型。該模型首先利用EMD算法將時間序列信號分解為數個本征模函數(IMF)分量和趨勢分量。然后利用LSTM存儲單元能夠長期學習歷史負荷數據中的有用信息并且去除無用信息的特性,對每個提取的IMF和趨勢項分別建立LSTM模型進行預測,最后將所有分量的預測值累加得到最終的預測結果。實驗結果表明,BP模型的平均絕對百分誤差為3.47%,LSTM模型的平均絕對百分誤差為2.63%,EMD-LSTM模型的平均絕對百分誤差為1.23%,能夠滿足更高的預測精度要求。