考虑储能的CEEMDAN-LSTM的工业园区短期负荷预测.pdfVIP

《电气自动化》2025年第47卷第1期电力系统及其自动化

PowerSystemAutomation

考虑储能的CEEMDAN-LSTM的

工业园区短期负荷预测

马玉坤，王泳，梁世锋，童铸

（广东电网有限责任公司珠海供电局，广东珠海519000）

摘要：为了进一步提升储能系统电力负荷预测的性能，提出了自适应噪声完备集合经验模态分解－长短期记忆神经网络。自适应噪

声完备集合经验模态分解可以将负荷时间序列分解为一系列频域稳定的本征模态函数，而长短期记忆网络拥有记忆功能，它

能够通过学习来捕获当前时间段与过去时间段的隐含关系，二者结合，增加了对负荷时间序列预测的准确度和稳定性。通过

试验验证,表明了所提模型在储能系统下电力负荷预测的有效性。

关键词：电力负荷预测；大数据背景；本征模态函数；自适应噪声完备集合经验模态分解；长短期记忆网络

D0I:10.3969/j