User-side Net Load Forecasting Method Integrating Empirical Mode Decomposition and Deep Learning

Youbo LIU; Hao WU; Tingjian LIU; Zhiyu YANG; Junyong LIU; Qiuhang LI

doi:10.7500/AEPS20210517007

您当前的位置：

首页 >

文章列表页 >

User-side Net Load Forecasting Method Integrating Empirical Mode Decomposition and Deep Learning

Basic Research | 更新时间：2025-06-16

- User-side Net Load Forecasting Method Integrating Empirical Mode Decomposition and Deep Learning
- Automation of Electric Power Systems Vol. 45, Issue 24, Pages: 57-64(2021)
- 作者机构：
  
  1.四川大学电气工程学院，四川省成都市 610065
  2.国网成都供电公司，四川省成都市 610041
- 作者简介：
- 基金信息：
  
  National Natural Science Foundation of China(51977133)
- DOI：10.7500/AEPS20210517007
  CLC：
- Received：17 May 2021，
  
  Revised：2021-07-12，
  
  Published Online：07 September 2021，
  
  Published：25 December 2021
- 稿件说明：
移动端阅览
刘友波,吴浩,刘挺坚等.集成经验模态分解与深度学习的用户侧净负荷预测算法[J].电力系统自动化,2021,45(24):57-64.

LIU Youbo,WU Hao,LIU Tingjian,et al.User-side Net Load Forecasting Method Integrating Empirical Mode Decomposition and Deep Learning[J].Automation of Electric Power Systems,2021,45(24):57-64.
刘友波,吴浩,刘挺坚等.集成经验模态分解与深度学习的用户侧净负荷预测算法[J].电力系统自动化,2021,45(24):57-64. DOI： 10.7500/AEPS20210517007.

LIU Youbo,WU Hao,LIU Tingjian,et al.User-side Net Load Forecasting Method Integrating Empirical Mode Decomposition and Deep Learning[J].Automation of Electric Power Systems,2021,45(24):57-64. DOI： 10.7500/AEPS20210517007.

摘要

随着用户侧分布式能源发电容量增长，配电网净负荷需求预测面临着更大困难。为此，提出一种改进的自适应噪声的完全集成经验模态分解(CEEMDAN)和深度信念网络(DBN)结合的用户侧净负荷预测方法。首先，通过CEEMDAN将原始净负荷数据分解为若干个频率、幅值不一的本征模态函数(IMF)。然后，配合机器学习智能算法，使用DBN逐一对各个IMF分量进行特征提取和时序预测。最后，将多个目标预测结果累加得到最终用户侧短期净负荷预测结果。采用某地区实际数据进行算例分析，验证了所提CEEMDAN-DBN独立预测模型与直接预测相比，能够辨识各频率负荷分量特性，提高分布式能源与负荷耦合性增强背景下的负荷预测精度。

Abstract

With the increase of generation capacity for distributed energy at the user side

the net load load forecasting of distribution network is facing greater challenges. Therefore

an improved user-side net load forecasting method of complete ensemble empirical mode decomposition with adaptive noise (CEEMDAN) and deep belief network (DBN) is proposed. First

the original net load data is decomposed by CEEMDAN into several intrinsic mode functions (IMFs) with different frequencies and amplitudes. Then

the DBN is used to perform the feature extraction and time-series forecasting for each IMF component one by one cooperating with the machine learning intelligent algorithm. Finally

the results of multi-target forecasting are accumulated to get the short-term net load forecasting results on the user side. The results of the case study show that the proposed CEEMDAN-DBN independent forecasting model can identify the characteristics of each frequency load component compared with the direct forecasting model

and improve the accuracy of load forecasting under the background of enhanced coupling between distributed energy and load.

关键词

Keywords

references

李闯，孔祥玉，朱石剑，等 . 能源互联环境下考虑需求响应的区域电网短期负荷预测［J］. 电力系统自动化， 2021 ， 45 （ 1 ）： 71 - 78 .

LI Chuang ， KONG Xiangyu ， ZHU Shijian ， et al . Short-term load forecasting of regional power grid considering demand response in energy interconnection environment ［J］. Automation of Electric Power systems ， 2021 ， 45 （ 1 ）： 71 - 78 .

刘俊，赵宏炎，刘嘉诚，等 . 基于协整-格兰杰因果检验和季节分解的中期负荷预测［J］. 电力系统自动化， 2019 ， 43 （ 1 ）： 73 - 80 .

LIU Jun ， ZHAO Hongyan ， LIU Jiacheng ， et al . Medium-term load forecasting based on cointegration-Granger causality test and seasonal decomposition ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 1 ）： 73 - 80 .

刘念，张清鑫，刘海涛 . 基于核函数极限学习机的微电网短期负荷预测方法［J］. 电工技术学报， 2015 ， 30 （ 8 ）： 218 - 224 .

LIU Nian ， ZHANG Qingxin ， LIU Haitao . Online short-term load forecasting based on ELM with kernel algorithm in micro-grid environment ［J］. Transactions of China Electrotechnical Society ， 2015 ， 30 （ 8 ）： 218 - 224 .

杨智宇，刘俊勇，刘友波，等 . 基于自适应深度信念网络的变电站负荷预测［J］. 中国电机工程学报， 2019 ， 39 （ 14 ）： 4049 - 4061 .

YANG Zhiyu ， LIU Junyong ， LIU Youbo ， et al . Transformer load forecasting based on adaptive deep belief network ［J］. Proceedings of the CSEE ， 2019 ， 39 （ 14 ）： 4049 - 4061 .

王增平，赵兵，纪维佳，等 . 基于GRU-NN模型的短期负荷预测方法［J］. 电力系统自动化， 2019 ， 43 （ 5 ）： 53 - 58 .

WANG Zengping ， ZHAO Bing ， JI Weijia ， et al . Short-term load forecasting method based on GRU-NN model ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 5 ）： 53 - 58 .

孙庆凯，王小君，张义志，等 . 基于LSTM和多任务学习的综合能源系统多元负荷预测［J］. 电力系统自动化， 2021 ， 45 （ 5 ）： 63 - 70 .

SUN Qingkai ， WANG Xiaojun ， ZHANG Yizhi ， et al . Multiple load prediction of integrated energy system based on long short-term memory and multi-task learning ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 5 ）： 63 - 70 .

林珊，王红，齐林海，等 . 基于条件生成对抗网络的短期负荷预测［J］. 电力系统自动化， 2021 ， 45 （ 11 ）： 52 - 60 .

LIN Shan ， WANG Hong ， QI Linhai ， et al . Short-term load forecasting based on conditional generative adversarial network ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 11 ）： 52 - 60 .

陈纬楠，胡志坚，岳菁鹏，等 . 基于长短期记忆网络和LightGBM组合模型的短期负荷预测［J］. 电力系统自动化， 2021 ， 45 （ 4 ）： 91 - 97 .

CHEN Weinan ， HU Zhijian ， YUE Jingpeng ， et al . Short-term load prediction based on combined model of long-short-term memory network and light gradient boosting machine ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 4 ）： 91 - 97 .

WANG Y ， ZHANG N ， CHEN Q ， et al . Data driven probabilistic net load forecasting with high penetration of behind-the-meter PV ［J］. IEEE Transactions on Power Systems ， 2017 ， 33 （ 3 ）： 3255 - 3264 .

朱行涛，刘郁林，何为，等 . 基于变换域滤波的直扩通信单通道混合信号分离抗干扰方法［J］. 系统工程与电子技术， 2016 ， 38 （ 10 ）： 2405 - 2412 .

ZHU Xingtao ， LIU Yulin ， HE Wei ， et al . Anti-jamming algorithm for direct sequence spread spectrum communication based on source separation of single channel mixed signal by using transform-domain filter ［J］. Systems Engineering and Electronics ， 2016 ， 38 （ 10 ）： 2405 - 2412 .

HE P ， SHE T ， LI W ， et al . Single channel blind source separation on the instantaneous mixed signal of multiple dynamic sources ［J］. Mechanical Systems and Signal Processing ， 2018 ， 113 ： 22 - 35 .

谢宏，陈志业，牛东晓，等 . 基于小波分解与气象因素影响的电力系统日负荷预测模型研究［J］. 中国电机工程学报， 2001 ， 21 （ 5 ）： 6 - 10 .

XIE Hong ， CHEN Zhiye ， NIU Dongxiao ， et al . The research of daily load forecasting model based on wavelet decomposing and climatic influence ［J］. Proceedings of the CSEE ， 2001 ， 21 （ 5 ）： 6 - 10 .

邰能灵，侯志俭，李涛，等 . 基于小波分析的电力系统短期负荷预测方法［J］. 中国电机工程学报， 2003 ， 23 （ 1 ）： 45 - 50 .

TAI Nengling ， HOU Zhijian ， LI Tao ， et al . New principle based on wavelet transform for power system short-term load forecasting ［J］. Proceedings of the CSEE ， 2003 ， 23 （ 1 ）： 45 - 50 .

孔祥玉，李闯，郑锋，等 . 基于经验模态分解与特征相关分析的短期负荷预测方法［J］. 电力系统自动化， 2019 ， 43 （ 5 ）： 46 - 52 .

KONG Xiangyu ， LI Chuang ， ZHENG Feng ， et al . Short-term load forecasting method based on empirical mode decomposition and feature correlation analysis ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 5 ）： 46 - 52 .

杨磊，黄元生，张向荣，等 . 基于集合经验模态分解和套索算法的短期风速组合变权预测模型研究［J］. 电力系统保护与控制， 2020 ， 48 （ 10 ）： 81 - 90 .

YANG Lei ， HUANG Yuansheng ， ZHANG Xiangrong ， et al . Research on short-term wind speed hybrid variable weight prediction model based on ensemble empirical mode decomposition and LASSO algorithm ［J］. Power System Protection and Control ， 2020 ， 48 （ 10 ）： 81 - 90 .

牛东晓，李媛媛，乞建勋，等 . 基于经验模式分解与因素影响的负荷分析方法［J］. 中国电机工程学报， 2008 ， 28 （ 16 ）： 96 - 102 .

NIU Dongxiao ， LI Yuanyuan ， QI Jianxun ， et al . A novel approach for load analysis based on empirical mode decomposition and influencing factors ［J］. Proceedings of the CSEE ， 2008 ， 28 （ 16 ）： 96 - 102 .

FAN C ， DING C ， ZHENG J ， et al . Empirical mode decomposition based multi-objective deep belief network for short-term power load forecasting ［J］. Neurocomputing ， 2020 ， 388 ： 110 - 123 .

COLOMINAS M A ， SCHLOTTHAUER G ， TORRES M E . Improved complete ensemble EMD： a suitable tool for biomedical signal processing ［J］. Biomed Signal Process Control ， 2014 ， 14 ： 19 - 29 .

NORDEN E H ， ZHENG S ， STEVEN R L ， et al . The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis ［J］. Proceedings： Mathematical ， Physical and Engineering Sciences， 1998 ， 454 （ 1971 ）： 903 - 995 .

张培玲，李小真，崔帅华 . 基于改进小波阈值-CEEMDAN算法的ECG信号去噪研究［J］. 计算机工程与科学， 2020 ， 42 （ 11 ）： 2067 - 2072 .

ZHANG Peiling ， LI Xiaozhen ， CUI Shuaihua . An improved wavelet threshold-CEEMDAN algorithm for ECG signal denoising ［J］. Computer Engineering & Science ， 2020 ， 42 （ 11 ）： 2067 - 2072 .

TEJA K ， TIWARI R ， MOHANTY S . Adaptive denoising of ECG using EMD， EEMD and CEEMDAN signal processing techniques ［J］. Journal of Physics Conference Series ， 2020 ， 1706 ： 012077 .

HINTON G . A practical guide to training restricted Boltzmann machines ［J］. Momentum ， 2010 ， 9 （ 1 ）： 926 - 947 .

HINTON G E ， OSINDERO S ， TEH Y W . A fast learning algorithm for deep belief nets ［J］. Neural Computation ， 2006 ， 18 （ 7 ）： 1527 - 1554 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Multi-step Forecasting Model of Wind Speed Considering Influence of Typhoon

Related Author

Xiangyu WEI

Yue XIANG

Xiaodong SHEN

Jingxian YANG

Junyong LIU

LI Fen

QU Aifang

LI Yuxin

Related Institution

College of Electrical Engineering, Sichuan University

College of Electrical Engineering, Shanghai University of Electric Power

Hubei Provincial Key Laboratory for Low-frequency Electromagnetic Communication Technology

School of Mathematical Sciences, Shanghai Normal University

⁰