基于VMD-CNN-LSTM的农业大棚园区用电负荷短期预测
The Short-term Forecasting of Power Load in Agricultural Greenhouses Based on VMD-CNN-LSTM作者机构:青岛科技大学自动化与电子工程学院山东青岛266061 山东大学控制科学与工程学院山东济南250061
出 版 物:《信息与控制》 (Information and Control)
年 卷 期:2024年第53卷第2期
页 面:238-249页
核心收录:
学科分类:080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学]
基 金:国家自然科学基金项目(61703223) 山东省重点研发计划重大科技创新工程项目(2020CXGC011402)
主 题:农业大棚园区负荷 变分模态分解 短期负荷预测 卷积神经网络 长短期记忆网络
摘 要:针对农业大棚用电负荷受农村供电能力、气象因素等的影响,具有强波动性和高非线性的问题,综合大棚短期负荷的气象特征和时序特征,提出了一种基于变分模态分解(variational mode decomposition,VMD)的长短期记忆(long short-term memory,LSTM)网络与卷积神经网络(convolutional neural network,CNN)相融合的VMD-CNN-LSTM的短期负荷预测模型架构。首先,基于VMD方法分解负荷序列,降低负荷波动性;其次,采用CNN方法提取负荷的气象特征,采用LSTM方法提取负荷时序特征,进行负荷分量预测,并将模态分量的预测结果重构;最后,以山东省寿光市农业大棚负荷数据为基础开展仿真实验。结果表明,VMD-CNN-LSTM模型与传统神经网络模型相比,可有效提高农业大棚短期负荷预测的精度。