基于Spearman相关性阈值寻优和VMD-LSTM的用户级综合能源系统超短期负荷预测

• Published in: 全球能源互联网 Vol. 7; no. 4; pp. 406 - 420
• Main Authors: 李鹏, 罗湘淳, 孟庆伟, 朱明晓, 陈继明
• Format: Journal Article
• Language: Chinese
• Published: 中国石油大学(华东)新能源学院电气工程系,山东省 青岛市 266580 01.07.2024; Editorial Office of Journal of Global Energy Interconnection
• Subjects: 变分模态分解; 相关性分析; 综合能源系统; 负荷预测; 阈值寻优; correlation analysis; integrated energy system(IES); 相关性分析; 变分模态分解; load forecasting; 综合能源系统; 负荷预测; 阈值寻优; threshold optimization; variational mode decomposition(VMD)
• ISSN: 2096-5125
• DOI: 10.19705/j.cnki.issn2096-5125.2024.04.006

TK01%TM715; 由于用户级综合能源系统(integrated energy system,IES)的多元负荷序列之间复杂的耦合关系及易受外部因素影响等原因,综合能源系统多元负荷的精准预测面临很大困难.为此,提出一种基于Spearman相关性分析阈值寻优(threshold optimization,TO)和变分模态分解结合长短期记忆网络(variational mode decomposition based long short-term memory network,VMD-LSTM)的多元负荷预测方法.首先,使用斯皮尔曼等级(Spearman rank,SR)相关系数定量计算多元负荷间以及负荷与其他气候因素间的相关关系并通过循环寻优确定最优相关阈值,然后采用VMD算法将以最优阈值筛选出的负荷特征序列分解成更简单、平稳、有规律性的本征模态函数(intrinsic mode function,IMF)后与最优气象特征一起输入LSTM模型进行负荷预测.通过某用户级IES的实际数据对所提方法的有效性进行了验证,结果表明,所提方法能有效提高IES的多元负荷预测精度.