基于WOA优化的VMD-CNN-BiGRU储能电站负荷预测.pdfVIP

基于WOA优化的VMD-CNN-BiGRU储能电站负荷预测.pdf

2025年12月15日现代电子技术Dec.2025

第48卷第24期ModernElectronicTechniqueVol.48No.24

DOI：10.16652/j.issn.1004⁃373x.2025.24.013

引用格式：陈湘东，黎朝晖，欧阳资铭，等.基于WOA优化的VMD⁃CNN⁃BiGRU储能电站负荷预测[J].现代电子技术，2025，48（24）：81⁃87.

基于WOA优化的VMD⁃CNN⁃BiGRU

储能电站负荷预测

陈湘东，黎朝晖，欧阳资铭，罗政

（湖南工业大学交通与电气工程学院，湖南株洲412000）

摘要：储能电站是新能源发电端与大电网之间重要的电能缓冲纽带，高精度的电力负荷预测模型对确保储能电站电

能配储的稳定性至关重要。为此，提出一种基于信号分解处理、优化算法与深度学习模型相结合的负荷预测方法。首先利

用样本熵函数（SE）与鲸鱼优化算法（WOA）对变分模态分解（VMD）参数进行优化，将负荷序列分解为多个子序列；随后构建

基于WOA优化的卷积神经网络（CNN）和双向门控循环单元（BiGRU）预测模型，并结合斯皮尔曼秩相关系数筛选相关特征，

与子序列共同输入模型进行预测；最后将各分量预测结果叠加，输出整体负荷预测值并计算误差指标。实验结果表明，所提

方法相较于主流模型具有更高的预测精度，平均绝对百分比误差（MAPE）降低至0.013%，决定系数R²高达0.984，验证了该

模型的有效性和优越性。

关键词：储能电站；负荷预测；鲸鱼优化算法；变分模态分解；卷积神经网络；双向门控循环单元；样本熵

中图分类号：TN911.7⁃34；TM715文献标识码：A文章编号：1004⁃373X（2025）24⁃0081⁃07

WOAoptimizationbasedVMD⁃CNN⁃BiGRUloadforecastingin

energystoragepowerstation

CHENXiangdong,LIZhaohui,OUYANGZiming,LUOZheng

(SchoolofTransportationandElectricalEngineering,HunanUniversityofTechnology,Zhuzhou412000,China)