王德文，安涵

基于二次分解双向门控单元新型电力系统超短期负荷预测

王德文，安涵

（华北电力大学 控制与计算机工程学院，河北 保定 071003）

在新型电力系统中，电力负荷随机性和波动性较强，现有预测方法难以对其实现高精度预测。为此，提出一种基于二次分解和双向门控循环单元的超短期负荷预测模型。首先，针对电力负荷的强随机性和强波动性，利用自适应噪声完备经验模态分解对电力负荷历史序列进行初步分解，使负荷序列更加平稳。随后，对初步分解得到的强非平稳分量运用连续变分模态分解进行二次分解，降低其预测难度。最后，为充分学习电力负荷的时序特征，在预测过程构建基于双向门控循环单元的超短期电力负荷预测模型。实验结果表明，该模型相较于现有优秀预测模型有更高的预测精度。

新型电力系统；超短期负荷；负荷预测；二次分解；双向门控循环单元

0 引言

超短期电力负荷预测是新型电力系统运行规划的重要内容。对电力负荷进行精准预测有利于控制发电成本、维持电力负荷的供需平衡、保证新型电力系统稳定运行。同时，面对环境与能源问题，电力系统需要及时优化调度与运行，这对超短期电力负荷预测提出了更高的要求。近年来，电力设备的智能化为电力负荷数据的采集提供了良好条件，使电力负荷预测具备了准确有效的数据基础[1-3]。

传统电力负荷预测模型分为基于统计学模型和基于机器学习模型2类。……