基于变分模态分解和深度置信网络的短期负荷预测

姚海强; 张涛

doi:10.13873/J.1000-9787(2021)05-0139-03

Chinese

您当前的位置：

首页 >

文章列表页 >

基于变分模态分解和深度置信网络的短期负荷预测

计算与测试 | 更新时间：2025-09-11

- 基于变分模态分解和深度置信网络的短期负荷预测
- Short-term load forecasting based on VMD and DBN
- 传感器与微系统 2021年第5期页码：139-141+149
- 作者机构：
  
  安徽大学电气工程与自动化学院
- 作者简介：
- 基金信息：
- DOI：10.13873/J.1000-9787(2021)05-0139-03
  中图分类号： TM715;TP183
- 纸质出版：2021
- 稿件说明：
移动端阅览
姚海强, 张涛. 基于变分模态分解和深度置信网络的短期负荷预测[J]. 传感器与微系统, 2021,(5):139-141+149.

YAO Haiqiang, ZHANG Tao. Short-term load forecasting based on VMD and DBN[J]. 2021, (5): 139-141+149.
姚海强, 张涛. 基于变分模态分解和深度置信网络的短期负荷预测[J]. 传感器与微系统, 2021,(5):139-141+149. DOI： 10.13873/J.1000-9787(2021)05-0139-03.

YAO Haiqiang, ZHANG Tao. Short-term load forecasting based on VMD and DBN[J]. 2021, (5): 139-141+149. DOI： 10.13873/J.1000-9787(2021)05-0139-03.

摘要

短期负荷预测作为电力调度中的关键一环

对电网未来的发展具有深远的意义。提出一种基于变分模态分解(VMD)和深度置信网络(DBN)的短期负荷预测模型。首先

采用VMD算法将负荷数据分解成不同的本征模态函数(IMF);然后结合DBN网络对每个IMF进行预测;最后

叠加每个部分的预测结果

得到VMD-DBN模型的预测结果。实验结果表明:相对于单一使用DBN方法以及经验模态分解(EMD)组合DBN方法

本文所提方法在预测精度上有显著提升。

Abstract

Short-term load forecasting

as a key link in power dispatching

has far-reaching sig-nificance for future development of power grid.A short-term load forecasting model based on variational mode decomposition（VMD）and deep belief networks（DBN） is proposed.Firstly

VMD algorithm is used to decompose load data into different intrinsic mode functions（IMF）.Secondly

predict each IMF with the help of DBN network.Finally

superimpose the prediction results of each part to obtain prediction results of VMD-DBN model.The experimental results show that compared with simply used DBN method and empirical mode decomposition（EMD）-DBN method

the proposed VMD-DBN method has a significant improvement in prediction precision.

关键词

Keywords

references

浏览量

321

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于改进EEMD-AR和DBN的风机轴承故障诊断

基于深度学习的航空发动机传感器故障检测

基于EMD与VPMCD的矿浆管道泄漏检测方法

表面肌电信号的降噪处理

基于超声传感器的胎心率检测优化算法