计算机工程

作者：朱莉, 夏禹, 朱春强, 邓凡

单位：1. 西安科技大学计算机科学与技术学院, 陕西 西安 7100002. 西安交通大学电信学部计算机科学与技术学院, 陕西 西安 7100003. 国网陕西省电力公司, 陕西 西安 710000

关键词：电力负荷预测,经验模态分解,本征模态分量,图卷积网络,模糊熵

基金：国家重点研发计划(2019YFB1405002); 陕西省自然科学基础研究项目(2022JM317); 国网陕西电力数字化专项项目(B326PX23001)

针对电力负荷数据存在非平稳性且传统预测模型不能精确获取时序负荷数据的空间相关性和时间依赖性, 导致预测精度低的问题, 设计并实现一种基于完全集成经验模式分解的自适应噪声完备性(CEEMDAN)和频谱图卷积网络的电力负荷预测方法。首先使用CEEMDAN将目标负荷序列分解为多个本征模态分量(IMF), 通过计算模糊熵对IMF进行重构; 然后使用频谱时间图卷积网络对重构后分量的空间相关性和时间依赖性进行挖掘, 得到各分量的预测结果; 最后将各分量的预测结果线性相加得到最终预测结果。实验结果表明, 所提方法的平均绝对误差、均方根误差、平均绝对百分比误差3个评价指标分别达到了0.72 KW、0.89 KW、0.92%, 相较于对比模型StemGnn、TCN、LSTM、Informer、FEDformer, 预测精度分别提高了37.9%、17.2%、20.8%、22.5%、12.1%。证明本文所提出的预测方法可以有效降低非平稳性对预测结果的影响, 精确获取时序负荷数据的空间相关性和时间依赖性, 提高预测精度。

来源：2025年第4期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第4期