EN基于评价因子重构与DECN-BiGRU的海岛微电网负荷预测
Load prediction for island microgrids based on evaluation factor reconstruction and DECN-BiGRU
- 综合智慧能源 2026年48卷第1期 页码：85-97
- 作者机构：
国网福建省电力有限公司 宁德供电公司，福建 宁德 352101
- 作者简介：
梁富光（1968），男，高级工程师，从事电力安全生产、基建、运检和经营管理方面的工作， lfg1_1968@126.com；
马忠强（1974），男，高级工程师，从事电网运维检修和规划建设方面的工作，mzq_1974@163.com。
- 基金信息：国家电网公司科技项目(52139023000D)
DOI：10.3969/j.issn.2097-0706.2026.01.009
中图分类号：收稿：2025-04-16，
修回：2025-09-30，
网络出版：2025-10-28，
纸质出版：2026-01-25
- 稿件说明：
移动端阅览
梁富光,马忠强.基于评价因子重构与DECN-BiGRU的海岛微电网负荷预测[J].综合智慧能源,2026,48(01):85-97.
LIANG Fuguang,MA Zhongqiang.Load prediction for island microgrids based on evaluation factor reconstruction and DECN-BiGRU[J].BLASTING,2026,48(01):85-97.
梁富光,马忠强.基于评价因子重构与DECN-BiGRU的海岛微电网负荷预测[J].综合智慧能源,2026,48(01):85-97. DOI： 10.3969/j.issn.2097-0706.2026.01.009.
LIANG Fuguang,MA Zhongqiang.Load prediction for island microgrids based on evaluation factor reconstruction and DECN-BiGRU[J].BLASTING,2026,48(01):85-97. DOI： 10.3969/j.issn.2097-0706.2026.01.009.
摘要
针对海岛微电网负荷的强非线性、非平稳性及多源耦合特性，提出一种基于评价因子重构的鲁棒经验模态分解（REMD）结合细节增强卷积网络（DECN）与双向门控循环单元（BiGRU）的负荷预测方法。通过REMD与评价因子重构，实现多尺度特征解耦；构建DECN-BiGRU混合架构，融合局部差异与全局依赖特征；引入多任务学习优化分量耦合关系。试验表明，模型较传统方法的平均绝对百分比误差降低 68.78%，较深度学习模型的平均绝对误差降低 68.97%，验证了多模态特征融合与双向建模的有效性。研究结果为海岛微电网的电力调度与储能配置提供了参考。
Abstract
Aiming at the strong nonlinearity， non-stationarity， and multi-source coupling characteristics of island microgrid loads， a load prediction method was proposed， integrating robust empirical mode decomposition （REMD） based on evaluation factor reconstruction with detail-enhanced convolutional network （DECN） and bidirectional gated recurrent unit （BiGRU）. Multi-scale feature decoupling was achieved through REMD and evaluation factor reconstruction. A DECN-BiGRU hybrid architecture was constructed to fuse local differences and global dependency features， and multi-task learning was introduced to optimize the coupling relationships among components. Experiments showed that the model reduced the mean absolute percentage error by 68.78% compared with traditional methods and reduced the mean absolute error by 68.97% compared with deep learning models， thereby verifying the effectiveness of multi-modal feature fusion and bidirectional modeling. The research findings provide reference for power scheduling and energy storage configuration in island microgrids.
关键词
Keywords
references
张冬冬 ， 单琳珂 ， 刘天皓 . 人工智能技术在风力与光伏发电数据挖掘及功率预测中的应用综述 ［J］. 综合智慧能源 ， 2025 ， 47 （ 3 ）： 32 - 46 .
ZHANG Dongdong ， SHAN Linke ， LIU Tianhao . Review on the application of artificial intelligence in data mining and wind and photovoltaic power forecasting ［J］. Integrated Intelligent Energy ， 2025 ， 47 （ 3 ）： 32 - 46 .
WAZIRALI R ， YAGHOUBI E ， ABUJAZAR M S S ， et al . State‑of‑the‑art review on energy and load forecasting in microgrids using artificial neural networks，machine learning， and deep learning techniques ［J］. Electric Power Systems Research ， 2023 ， 225 ： 109792 .
MARIAM L ， BASU M ， CONLON M F . Microgrid： Architecture， policy and future trends ［J］. Renewable and Sustainable Energy Reviews ， 2016 ， 64 ： 477 - 489 .
侯媛媛 ， 曾君 ， 罗燕 ， 等 . 社区微网主动能量管理协同与优化方法研究 ［J］. 电网技术 ， 2023 ， 47 （ 4 ）： 1548 - 1557 .
HOU Yuanyuan ， ZENG Jun ， LUO Yan ， et al . Research on collaborative and optimization methods of active energy management in community microgrid ［J］. Power System Technology ， 2023 ， 47 （ 4 ）： 1548 - 1557 .
FERAHTIA S ， HOUARI A ， CIOARA T ， et al . Recent advances on energy management and control of direct current microgrid for smart cities and industry： A Survey ［J］. Applied Energy ， 2024 ， 368 ： 123501 .
茹传红 ， 卢姬 ， 秦建 ， 等 . 充电用能约束下工业园区负荷管控的随机优化策略 ［J］. 中国电力 ， 2025 ， 58 （ 8 ）： 130 - 138 .
RU Chuanhong ， LU Ji ， QIN Jian ， et al . Stochastic optimization strategy for load management of industrial park under energy constraints ［J］. Electric Power ， 2025 ， 58 （ 8 ）： 130 - 138 .
李宏仲 ， 李想 ， 蒋轶周 . 计及台风天气影响的远洋海岛微电网群双层规划 ［J］. 电网技术 ， 2025 ， 49 （ 2 ）： 437 - 446 .
LI Hongzhong ， LI Xiang ， JIANG Yizhou . Double‑layer planning for pelagic island microgrid group considering typhoon weather effects ［J］. Power System Technology ， 2025 ， 49 （ 2 ）： 437 - 446 .
李东东 ， 陈天旭 ， 沈运帷 ， 等 . 基于联合虚拟储能系统的海岛微电网协同优化策略 ［J］. 中国电机工程学报 ， 2023 ， 43 （ 20 ）： 7842 - 7856 .
LI Dongdong ， CHEN Tianxu ， SHEN Yunwei ， et al . Collaborative optimization of island microgrid based on joint virtual energy storage system strategy ［J］. Proceedings of the CSEE ， 2023 ， 43 （ 20 ）： 7842 - 7856 .
JIRDEHI M A ， TABAR V S ， GHASSEMZADEH S ， et al . Different aspects of microgrid management： A comprehensive review ［J］. Journal of Energy Storage ， 2020 ， 30 ： 101457 .
ZHAO B ， CHEN J ， ZHANG L Q ， et al . Three representative island microgrids in the East China Sea： Key technologies and experiences ［J］. Renewable and Sustainable Energy Reviews ， 2018 ， 96 ： 262 - 274 .
陈亮 ， 刘桂英 ， 粟时平 ， 等 . 基于双层网络PER-MADDPG算法的综合能源系统协调优化调度 ［J］. 综合智慧能源 ， 2025 ， 47 （ 7 ）： 44 - 54 .
CHEN Liang ， LIU Guiying ， SU Shiping ， et al . Coordinated optimization scheduling of integrated energy system based on PER-MADDPG algorithm with two‑layer network ［J］. Integrated Intelligent Energy ， 2025 ， 47 （ 7 ）： 44 - 54 .
陈浩 ， 马刚 ， 钱达 ， 等 . 绿证-碳交易机制下考虑阶梯需求响应的区域综合能源系统优化调度 ［J］. 综合智慧能源 ， 2025 ， 47 （ 5 ）： 21 - 30 .
CHEN Hao ， MA Gang ， QIAN Da ， et al . Optimization of regional integrated energy systems under green certificate and carbontrading mechanism considering tiered demand response ［J］. Integrated Intelligent Energy ， 2025 ， 47 （ 5 ）： 21 - 30 .
KUANG Y H ， ZHANG Y J ， ZHOU B ， et al . A review of renewable energy utilization in islands ［J］. Renewable and Sustainable Energy Reviews ， 2016 ， 59 ： 504 - 513 .
MELE E . A review of machine learning algorithms used for load forecasting at microgrid level ［C］// Proceedings of the International Scientific Conference ， Sinteza 2019 . Singidunum University， 2019 ： 452 - 458 .
ZHU J Z ， DONG H J ， ZHENG W Y ， et al . Review and prospect of data‑driven techniques for load forecasting in integrated energy systems ［J］. Applied Energy ， 2022 ， 321 ： 119269 .
李科 ， 李龙胜 ， 肖钰皓 . 基于时间序列分析的负荷高峰时段用电预测与削峰研究 ［J］. 光学与光电技术 ， 2022 ， 20 （ 4 ）： 153 - 159 .
LI Ke ， LI Longsheng ， XIAO Yuhao . Research on power consumption forecasting and peak shaving during peak load period based on time series analysis ［J］. Optics & Optoelectronic Technology ， 2022 ， 20 （ 4 ）： 153 - 159 .
WANG H ， ZHANG N ， DU E S ， et al . A comprehensive review for wind，solar，and electrical load forecasting methods ［J］. Global Energy Interconnection ， 2022 ， 5 （ 1 ）： 9 - 30 .
TRIVEDI R ， PATRA S ， KHADEM S . A data‑driven short‑
term PV generation and load forecasting approach for microgrid applications ［J］. IEEE Journal of Emerging and Selected Topics in Industrial Electronics ， 2022 ， 3 （ 4 ）： 911 - 919 .
李彬 ， 胡纯瑾 ， 王婧 . 基于EEMD-BiLSTM的可调节负荷预测方法 ［J］. 综合智慧能源 ， 2022 ， 44 （ 9 ）： 33 - 39 .
LI Bin ， HU Chunjin ， WANG Jing . Prediction method for adjustable load based on EEMD-BiLSTM ［J］. Integrated Intelligent Energy ， 2022 ， 44 （ 9 ）： 33 - 39 .
马恒瑞 ， 袁傲添 ， 王波 ， 等 . 基于深度学习的负荷预测研究综述与展望 ［J］. 高电压技术 ， 2025 ， 51 （ 3 ）： 1233 - 1250 .
MA Hengrui ， YUAN Aotian ， WANG Bo ， et al . Review and prospect of load forecasting based on deep learning ［J］. High Voltage Engineering ， 2025 ， 51 （ 3 ）： 1233 - 1250 .
MORADZADEH A ， ZAKERI S ， SHOARAN M ， et al . Short‑term load forecasting of microgrid via hybrid support vector regression and long short‑term memory algorithms ［J］. Sustainability ， 2020 ， 12 （ 17 ）： 7076 .
杨澜倩 ， 郭锦敏 ， 田慧丽 ， 等 . 基于CNN-LSTM-Self attention的园区负荷多尺度预测研究 ［J］. 综合智慧能源 ， 2025 ， 47 （ 2 ）： 79 - 87 .
YANG Lanqian ， GUO Jinmin ， TIAN Huili ， et al . Research on multi‑scale load prediction in parks based on CNN-LSTM-Self attention ［J］. Integrated Intelligent Energy ， 2025 ， 47 （ 2 ）： 79 - 87 .
杨佳泽 ， 王灿 ， 王增平 . 新型电力系统背景下的智能负荷预测算法研究综述 ［J］. 华北电力大学学报（自然科学版） ， 2025 ， 52 （ 3 ）： 54 - 67 .
YANG Jiaze ， WANG Can ， WANG Zengping . Review on intelligent load forecasting algorithms for the new‑
type power system ［J］. Journal of North China Electric Power University（Natural Science Edition） ， 2025 ， 52 （ 3 ）： 54 - 67 .
封钰 ， 宋佑斌 ， 金晟 ， 等 . 基于随机森林算法和粗糙集理论的改进型深度学习短期负荷预测模型 ［J］. 发电技术 ， 2023 ， 44 （ 6 ）： 889 - 895 .
FENG Yu ， SONG Youbin ， JIN Sheng ， et al . Improved deep learning model for forecasting short‑term load based on random forest algorithm and rough set theory ［J］. Power Generation Technology ， 2023 ， 44 （ 6 ）： 889 - 895 .
SHI J ， TEH J . Load forecasting for regional integrated energy system based on complementary ensemble empirical mode decomposition and multi‑model fusion ［J］. Applied Energy ， 2024 ， 353 ： 122146 .
PENG D G ， LIU Y ， WANG D H ， et al . Multi‑energy load forecasting for integrated energy system based on sequence decomposition fusion and factors correlation analysis ［J］. Energy ， 2024 ， 308 ： 132796 .
曾进辉 ， 苏旨音 ， 肖锋 ， 等 . 基于生成对抗网络和EMD-ISSA-LSTM的短期电力负荷预测 ［J］. 电子测量技术 ， 2024 ， 47 （ 20 ）： 92 - 100 .
ZENG Jinhui ， SU Zhiyin ， XIAO Feng ， et al . Short‑term power load forecasting based on generative adversarial networks and EMD-ISSA-LSTM ［J］. Electronic Measurement Technology ， 2024 ， 47 （ 20 ）： 92 - 100 .
钟吴君 ， 李培强 ， 涂春鸣 . 基于EEMD-CBAM-Bi LSTM的牵引负荷超短期预测 ［J］. 电工技术学报 ， 2024 ， 39 （ 21 ）： 6850 - 6864 .
ZHONG Wujun ， LI Peiqiang ， TU Chunming . Traction load ultra‑short‑term forecasting framework based on EEMD-CBAM-BiLSTM ［J］. Transactions of China Electrotechnical Society ， 2024 ， 39 （ 21 ）： 6850 - 6864 .
张恒 ， 郑建勇 ， 梅飞 ， 等 . 基于VMD和辅助任务学习的短期负荷预测方法 ［J］. 电力系统保护与控制 ， 2025 ， 53 （ 5 ）： 104 - 112 .
ZHANG Heng ， ZHENG Jianyong ， MEI Fei ， et al . Short‑term load forecasting method based on VMD and auxiliary task learning ［J］. Power System Protection and Control ， 2025 ， 53 （ 5 ）： 104 - 112 .
段沁宇 ， 薛贵军 ， 谭全伟 ， 等 . 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 ， 42 （ 6 ）： 101 - 116 .
DUAN Qinyu ， XUE Guijun ， TAN Quanwei ， et al . Improved BWO-TimesNet short‑term heat load forecasting model based on SVMD ［J］. Journal of Guangxi Normal University （Natural Science Edition） ， 2024 ， 42 （ 6 ）： 101 - 116 .
LI K ， MU Y C ， YANG F ， et al . A novel short‑term multi‑energy load forecasting method for integrated energy system based on feature separation‑fusion technology and improved CNN ［J］. Applied Energy ， 2023 ， 351 ： 121823 .
LIN Z Y ， LIN T ， LI J ， et al . A novel short‑term multi‑energy load forecasting method for integrated energy system based on two‑layer joint modal decomposition and dynamic optimal ensemble learning ［J］. Applied Energy ， 2025 ， 378 ： 124798 .
SHI J Q ， LI C X ， YAN X H . Artificial intelligence for load forecasting： A stacking learning approach based on ensemble diversity regularization ［J］. Energy ， 2023 ， 262 ： 125295 .
LIU Z L ， PENG D D ， ZUO M J ， et al . Improved Hilbert-Huang transform with soft sifting stopping criterion and its application to fault diagnosis of wheelset bearings ［J］. ISA Transactions ， 2022 ， 125 ： 426 - 444 .
CHEN Z X ， HE Z W ， LU Z M . DEA-net： Single image dehazing based on detail‑enhanced convolution and content‑guided attention ［J］. IEEE Transactions on Image Processing ， 2024 ， 33 ： 1002 - 1015 .
NIU D X ， YU M ， SUN L J ， et al . Short‑term multi‑energy load forecasting for integrated energy systems based on CNN-BiGRU optimized by attention mechanism ［J］. Applied Energy ， 2022 ， 313 ： 118801 .
SHALABI L ， ZYAD S ， KASASBEH B . Data mining：A preprocessing engine ［J］. Journal of Computer Science ， 2006 ， 2 （ 9 ）： 735 - 739 .
ALI K . Spearman's correlation coefficient in statistical analysis ［J］. International Journal of Nonlinear Analysis and Applications ， 2022 ， 13 （ 1 ）： 3249 - 3255 .
BENESTY J ， CHEN J D ， HUANG Y T ， et al . Pearson correlation coefficient ［M］// Noise Reduction in Speech Processing . Berlin， Heidelberg ： Springer ， 2009 ： 1 - 4 .
ABDI H . The Kendall rank correlation coefficient ［J］. Encyclopedia of measurement and statistics ， 2007 ， 2 ： 508 - 517 .
0
浏览量
0
下载量
0
CSCD
- 网络PDF下载
- WORD下载
- Meta-XML下载
- BibTeX下载
- Endnote下载
- RefMan 下载
- NoteExpress下载
- NoteFirst下载
关联资源
相关文章
相关作者
相关机构
AI脑图
AI问答- 技术支持由北京北大方正电子有限公司提供 京ICP备09064830号-19
京公网安备11010802024621 - 本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
- Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies