摘要: 高精度的短期电力负荷预测不仅是新型电力系统安全稳定运行的基础，也是电力市场高效运作的必要保证。围绕电力负荷具有非线性特征，预测精度不高的难题，提出了一种基于集合经验模态分解（ensemble empirical mode decomposition，EEMD）和遗传算法（genetic algorithm，GA）优化门控循环单元神经网络（gated recurrent unit neural network，GRU）的EEMD-GA-GRU组合预测方法。首先引入EEMD方法将电力负荷数据分解为频率由高到低的不同本征模态函数(intrinsic mode functions，IMF)，其次采用GA优选GRU预测模型的超参数并针对各IMF特征进行电力负荷分量预测，最后通过预测分量重构还原负荷预测结果。通过华中电网算例仿真，结果充分表明所提EEMD-GA-GRU模型有效地提高了负荷预测精度且具有较强的泛化能力。