基于ＶＭＤ－ＩＰＳＯ－ＬＳＳＶＭ的短期电力负荷预测研究陆磊１，张铭飞２，朱浩钰３（１．华北水利水电大学电力学院，河南郑州４５００４５；２．国网常德供电公司，湖南常德４１５０００；３．菏泽黄河河务局供水局，山东菏泽２７４０００）摘要：针对不规律的、波动性大的复杂原始负荷数据导致预测精度不高等问题，设计了一种使用变分模态分解（ＶＭＤ）与改进粒子群算法（ＩＰＳＯ）来优化最小二乘支持向量机（ＬＳＳＶＭ）的短期负荷预测模型。针对原始负荷数据存在的波动性大等缺陷，首先使用ＶＭＤ法将其分解为多个各异的模态分量，然后将分解后的各组数据分别输入改进的动态自适应惯性权重粒子群算法优化后的ＬＳＳＶＭ模型，最后将得到的多个各异的模态分量分别经模型预测出的结果进行相加得到最后取得的预测结果。经江苏省某市真实负荷数据仿真，验证了该预测模型的有效性及优越性。关键词：短期电力负荷预测；变分模态分解；改进粒子群算法；最小二乘支持向量机；预测精度中图分类号：ＴＭ７３２ＤＯＩ：１０．１９７６８／ｊ．ｃｎｋｉ．ｄｇｊｓ．２０２２．２４．０５３ＲｅｓｅａｒｃｈｏｎＳｈｏｒｔ－ｔｅｒｍＰｏｗｅｒＬｏａｄＦｏｒｅｃａｓｔｉｎｇＢａｓｅｄｏｎＶＭＤ－ＩＰＳＯ－ＬＳＳＶＭＬＵＬｅｉ１，ＺＨＡＮＧＭｉｎｇｆｅｉ２，ＺＨＵＨａｏｙｕ３（１．ＩｎｓｔｉｔｕｔｅｏｆＥｌｅｃｔｒｉｃＰｏｗｅｒ，ＮｏｒｔｈＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＷａｔｅｒＲｅｓｏｕｒｃｅｓａｎｄＥｌｅｃｔｒｉｃＰｏｗｅｒ，Ｚｈｅｎｇｚｈｏｕ４５００４５，Ｃｈｉｎａ；２．ＳｔａｔｅＧｒｉｄＣｈａｎｇｄｅＰｏｗｅｒＳｕｐｐｌｙＣｏｍｐａｎｙ，Ｃｈａｎｇｄｅ４１５０００，Ｃｈｉｎａ；３．ＷａｔｅｒＳｕｐｐｌｙＢｕｒｅａｕｏｆＨｅｚｅＹｅｌｌｏｗＲｉｖｅｒＢｕｒｅａｕ，Ｈｅｚｅ２７４０００，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇａｔｔｈｅｐｒｏｂｌｅｍｓｏｆｉｒｒｅｇｕｌａｒａｎｄｆｌｕｃｔｕａｔｉｎｇｃｏｍｐｌｅｘｒａｗｌｏａｄｄａｔａｒｅｓｕｌｔｉｎｇｉｎｌｏｗｐｒｅｄｉｃｔｉｏｎａｃｃｕｒａｃｙ，ａｓｈｏｒｔ－ｔｅｒｍｌｏａｄｆｏｒｅｃａｓｔｉｎｇｍｏｄｅｌｕｓｉｎｇｖａｒｉａｔｉｏｎａｌｍｏｄｅｄｅｃｏｍｐｏｓｉｔｉｏｎ（ＶＭＤ）ａｎｄｉｍｐｒｏｖｅｄｐａｒｔｉｃｌｅｓｗａｒｍａｌｇｏｒｉｔｈｍ（ＩＰＳＯ）ｔｏｏｐｔｉｍｉｚｅｔｈｅｌｅａｓ...
