基于CEEMDAN及BiGRU-MLR模型的短期负荷预测方法

王鸿玺; 申洪涛; 冯波; 王洪莹; 阎超

doi:10.26945/j.cnki.1001-9898.2025.05.011

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于CEEMDAN及BiGRU-MLR模型的短期负荷预测方法

专题:人工智能技术在电力领域中的应用 | 更新时间：2025-11-18

- 基于CEEMDAN及BiGRU-MLR模型的短期负荷预测方法
- 基于CEEMDAN及BiGRU-MLR模型的短期负荷预测方法
- 河北电力技术 2025年44卷第5期页码：32-40
- 作者机构：
  
  国网河北省电力有限公司营销服务中心
- 作者简介：
- 基金信息：
  
  国网河北省电力有限公司科技项目(kj2023-027)
- DOI：10.26945/j.cnki.1001-9898.2025.05.011
  中图分类号： TP18;TM715
- 纸质出版：2025
- 稿件说明：
移动端阅览
王鸿玺, 申洪涛, 冯波, 等. 基于CEEMDAN及BiGRU-MLR模型的短期负荷预测方法[J]. 河北电力技术, 2025,44(5):32-40.

王鸿玺, 申洪涛, 冯波, et al. 基于CEEMDAN及BiGRU-MLR模型的短期负荷预测方法[J]. 2025, 44(5): 32-40.
王鸿玺, 申洪涛, 冯波, 等. 基于CEEMDAN及BiGRU-MLR模型的短期负荷预测方法[J]. 河北电力技术, 2025,44(5):32-40. DOI： 10.26945/j.cnki.1001-9898.2025.05.011.

王鸿玺, 申洪涛, 冯波, et al. 基于CEEMDAN及BiGRU-MLR模型的短期负荷预测方法[J]. 2025, 44(5): 32-40. DOI： 10.26945/j.cnki.1001-9898.2025.05.011.

摘要

随着新型电力系统的快速发展，用户用电行为呈现出多样化和不确定性，实现短期电力负荷的高精度预测已成为保障系统稳定运行的关键。现有短期负荷预测(short-term load forecasting

STLF)方法在处理复杂的非线性和非平稳性数据时存在一定的局限性。为此，提出了一种融合自适应噪声完备集合经验模态分解(complete ensemble empirical model decomposition with adaptive noise

CEEMDAN)、双向门控循环单元(bidirectional gated recurrent unit

BiGRU)与多元线性回归(Multiple Linear Regression

MLR)的混合短期负荷预测模型。首先，利用Spearman秩相关系数分析筛选出对电力负荷影响显著的气象和时间因素。其次，将影响因素与电力负荷数据进行自适应噪声完备集合经验模态分解，通过引入过零率将各分量重构为高频分量和低频分量。然后，针对高频分量构建双向门控循环单元模型进行预测，对于低频分量建立多元线性回归模型进行预测。最后，将各模型所得预测值进行线性叠加，获得最终的预测结果。仿真结果表明，所提方法在多个实际数据集上显著优于传统长短期记忆网络(long short-term memory

LSTM)、门控循环单位(gated recurrent unit

GRU)及其他结合自适应噪声完备集合经验模态分解的预测方法，能够有效提高短期电力负荷预测的精度，具有广泛的应用前景。

Abstract

关键词

Keywords

references

刘雨薇.基于VMD和改进LSTM的短期电力负荷预测研究[D].湖北工业大学,2020(08).

A.S. Khwaja,X. Zhang,A. Anpalagan,B. Venkatesh.Boosted neural networks for improved short-term electric load forecasting[J].Electric Power Systems Research,2017.

吴云,雷建文,鲍丽山,李春哲.基于改进灰色关联分析与蝙蝠优化神经网络的短期负荷预测[J].电力系统自动化,2018(20).

张林,刘继春.基于EEMD-SE和PSO-KELM的短期负荷区间预测方法[J].中国电力,2021(03).

陈磊,张青云,向晓,刘红云,刘闯.改进灰色预测模型在电力负荷预测中的应用[J].河北电力技术,2021(06).

杨胡萍,余阳,汪超,李向军,胡奕涛,饶楚楚.基于VMD-CNN-BIGRU的电力系统短期负荷预测[J].中国电力,2022(10).

梁宏涛,王莹,刘红菊,郭超男.基于注意力机制的CNN-BiGRU短期光伏发电功率预测[J].计算机测量与控制,2022(06).

陈峰,余轶,徐敬友,杨洁,陈可,张天东,郭露方,郑子健,胡钋.基于Bayes-LSTM网络的风电出力预测方法[J].电力系统保护与控制,2023(06).

李晓辉,佟鑫,曹敬立,李蒙,张迎春,王梓舟.基于CEEMD-IBA-LSSVM的微电网短期负荷预测研究与应用[J].计算机测量与控制,2023(03).

张秋雨,蒋云峰,赵庆祥,李朋旺.基于用户需求响应的新型配电系统优化调度研究[J].河北电力技术,2023(04).

王继东,于俊源,孔祥玉.基于双重分解和双向长短时记忆网络的中长期负荷预测模型[J].电网技术,2024(08).

刘斌,吉春霖,曹丽君,武欣雅,段云凤.基于自适应噪声完全集合经验模态分解与Bi LSTM-Transformer的锂离子电池剩余使用寿命预测[J].电力系统保护与控制,2024(15).

王晓兰,张惟东,王惠中.基于注意力机制的CNN-LSTM短期负荷预测[J].计算机与数字工程,2024(10).

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).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

电网夏季负荷特性分析及预测

SSA优化混合RNN的短期电力负荷预测

基于二次分解因果分析和深度学习的短期风电功率预测