基于IAMD-ISSA-LSTM的园区综合能源负荷预测

齐天; 康琦; 王雅群; 张磊; 韩雪婷; 王佳怡; 孟荣华

doi:10.13393/j.cnki.issn.1672-948X.2025.06.011

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于IAMD-ISSA-LSTM的园区综合能源负荷预测

更新时间：2026-01-22

- 基于IAMD-ISSA-LSTM的园区综合能源负荷预测
- Vol. 47, Issue 6, Pages: 88-96(2025)
- 作者机构：
  
  1. 国网北京市电力公司
  2. 国网北京通州供电公司
  3. 北京融通智慧科技集团有限公司
  4. 三峡大学机械与动力学院
  5. 三峡大学机器人与智能系统宜昌市重点实验室
- 作者简介：
- 基金信息：
- DOI：10.13393/j.cnki.issn.1672-948X.2025.06.011
  CLC： TK01;TM715;TP18
- Published：2025
- 稿件说明：
移动端阅览
齐天, 康琦, 王雅群, et al. 基于IAMD-ISSA-LSTM的园区综合能源负荷预测[J]. 2025, 47(6): 88-96.
DOI：

齐天, 康琦, 王雅群, et al. 基于IAMD-ISSA-LSTM的园区综合能源负荷预测[J]. 2025, 47(6): 88-96. DOI： 10.13393/j.cnki.issn.1672-948X.2025.06.011.

摘要

现代园区能源系统涵盖电能、热能、冷能等多种能源形式，较传统单一能源独立运行模式更能满足能效提升和低碳转型需求.园区多能负荷受生产周期、天气、环境等多因素影响，波动性强，预测误差大将直接导致用能决策不经济.为提高负荷预测准确性，需考虑历史数据中的噪声和干扰信息；能源耦合性，即电-热-冷负荷相互转换；不确定性，即天气、环境对负荷的影响.因此，本文提出了“多元时序分解-关键特征提取-预测模型建立-模型参数优化”的多能负荷预测方法.为提高负荷数据有效性，改进了自适应模态分解(improved adaptive modal decomposition

IAMD)进行降噪，得到各负荷自适应寻优分解模式下的子序列，并对降噪后的各负荷子序列进行重构；考虑多元负荷耦合性及随气侯变化特征，采用Spearman相关性分析法对多能负荷及气候因素进行关联分析，提取强相关的多能耦合负荷及气候特征作为预测模型的影响因素；此外，改进了麻雀搜索算法(improved sparrow search algorithm

ISSA)优化长短期记忆神经网络(long short-term memory

LSTM)预测模型的超参数，以提高负荷预测精度.结果表明本文提出的IAMD-ISSA-LSTM预测模型比传统模型精度更优.

Abstract

关键词

Keywords

references

冯晨,陈志德.基于XGBoost和LSTM加权组合模型在销售预测的应用[J].计算机系统应用,2019(10).

杨熊,于军琪,郭晨露,华宇剑,赵安军.基于改进PSO-BP神经网络的冰蓄冷空调冷负荷动态预测模型[J].土木与环境工程学报(中英文),2019(01).

刘雨竹,徐楠.基于混沌时间序列的IGA-WLSSVR短期负荷预测模型[J].控制工程,2021(02).

刘景森,袁蒙蒙,左方.面向全局搜索的自适应领导者樽海鞘群算法[J].控制与决策,2021(09).

满达,张卓凡,张金金,谢将剑.基于LSTM的高校建筑电力负荷预测方法[J].建筑电气,2021(11).

徐岩,向益锋,马天祥.基于EMD-CNN-LSTM混合模型的短期电力负荷预测[J].华北电力大学学报(自然科学版),2022(02).

李飞宏,肖迎群.基于EMD-TCN-ELM的短期电力负荷预测[J].计算机系统应用,2022(11).

邹红波,柴延辉,杨钦贺,陈俊廷.基于混合ISSA-LSTM的锂离子电池剩余使用寿命预测[J].电力系统保护与控制,2023(19).

朱菊香,谷卫,任明煜,张赵良,张雯柏.基于SWT-ISSA-LSTM的地铁空气质量预测建模[J].国外电子测量技术,2023(07).

尚筱雅,林文浩,邱泽锦,李瑞.基于深度学习的电力负荷短期预测[J].广州航海学院学报,2023(04).

于军琪,解云飞,赵安军,王佳丽,冉彤,惠蕾蕾.基于VMD-GRU网络大型公共建筑冷负荷预测[J].重庆大学学报,2023(12).

林彦旭,高辉.基于SSA-VMD-BiLSTM模型的充电站负荷预测方法[J].广东电力,2024(06).

胡佳辉,熊凌,但斌斌,吴经纬.基于改进CNN-LSTM和RF的铁水KR脱硫预测模型[J].武汉科技大学学报,2024(04).

陈伟伟,荆世博,边家瑜,易庚,安琪.基于长短期记忆神经网络的电力用电量预测[J].机械与电子,2024(05).

段沁宇,薛贵军,谭全伟,谢文举.基于SVMD的改进BWO-TimesNet短期热负荷预测模型[J].广西师范大学学报(自然科学版),2024(06).

高翔,张佳.基于源荷协同演进的综合能源系统多元负荷预测[J].科技与创新,2023(24).

葛亚明,仇晨光,谢丽荣,李艺丰,李刚,赵玉林.基于K-means聚类与LSTM模型的多能源耦合电力负荷预测[J].现代电力,2025(02).

白宇,薛贵军,谢文举,史彩娟.改进GJO优化CNN-BiLSTM的热负荷预测模型[J].中国测试,2025(04).

李梓萍,李校良.基于BP神经网络-时间序列模型的中期负荷预测[J].信息记录材料,2024(02).

刘汉云,王子逸,韩艳,王力东,胡朋,国巍,余志武.基于MSGWO-LSTM的车桥非线性系统地震响应预测研究[J].铁道科学与工程学报,2025(02).

宋朋,张智晟.基于QWCIFGLSTM的综合能源系统多元负荷短期预测模型研究[J].电气工程学报,2024(04).

朱莉,夏禹,朱春强,邓凡.基于CEEMDAN和频谱时间图卷积网络的电力负荷预测方法[J].计算机工程,2025(04).

吴兰,王恒,姚远.基于ISSA-LSTM的储麦长期品质预测[J].中国粮油学报,2024(09).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

No data

Related Author

No data

Related Institution

No data

AI问答

⁰