基于VMD-SHO-LSTM模型的短期电力负荷预测研究

摘要

为电力公司更好地预测电力需求的变化，本文开发一套科学稳健的预测模型来进行准确的短期负荷预测，提高电力系统规划和运行管理。模型以变分模式分解（VMD）、海马优化器（SHO）和长期短期记忆（LSTM）的预测模型为组成，选取某市的历史数据为例对VMD-SHO-LSTM模型进行合理优化，并与RBF、LSTM和SHO-LSTM等其他模型进行参数比较得出最优方案，为提高电力系统负荷预测的准确性和稳定性提出新的预测方法。