Page 61 - 电力与能源2024年第四期

第 45 卷 第 4 期 电力与能源
2024 年 8 月 455

DOI：10.11973/dlyny202404012
电网技术

考虑季节变化对负荷特征影响的

电力系统短期负荷预测

赵艺然，张茗可

（辽宁工程技术大学 电气与控制工程学院，辽宁 葫芦岛 125100）

摘 要：随着微电网用电设备的复杂化，产生的环保、经济效益问题日益突出，电力负荷的短期预测对于区域
的精细化调度至关重要。当前的负荷预测方法缺乏对不同区域季节性变化因素的表征，导致预测精度较低。
提 出 了 一 种 基 于 改 进 的 自 适 应 噪 声 完 备 集 合 经 验 模 态 分 解 一 霜 冰 优 化 算 法 —— 双 向 循 环 神 经 网 络
（ICEEMDAN-RIME-BiGRU）考虑季节差异的短期负荷预测方法。首先，采用 ICEEMDAN 方法对四季的
电力负荷进行分解；其次，结合 RIME 算法的软霜搜索策略、硬霜穿刺机制和正向贪婪选择机制，分别学习不
同季节下电力负荷的分量特征，实现对 BiGRU 模型的参数寻优，并将特征分量输入网络模型，所得结果相加
得到时间序列预测值；最后，以某地区微电网的负荷数据为例进行算例分析。结果显示，所提出的方法相较于
其他 3 种典型相关预测方法，对于区域季节性差异对负荷的影响具有显著的表征能力，可以提升负荷预测
精度。
关键词：微电网负荷；季节性变化；CEEMDAN 算法；BiGRU 算法；RIME 算法
I
作者简介：赵艺然（2003—），男，主要研究方向为人工智能在电力系统预测方面的应用方面。
中图分类号：TM73 文献标志码：A 文章编号：2095-1256（2024）04-0455-05
Short-Term Load Forecasting of Power System Considering Seasonal Variation Impact

on Load Characteristic

ZHAO Yiran，ZHANG Mingke
（School of Electrical and Control Engineering，Liaoning Technical University，Huludao 125100，Liaoning Province，China）

Abstract：With the increasing complexity of microgrid electrical equipment, environmental and economic issues
are becoming more prominent. Short-term load forecasting is crucial for the refined regional dispatching. Current
load forecasting methods often lack characterization of seasonal variation factors across different regions, resulting
in lower prediction accuracy. Therefore, this paper proposes a short-term load forecasting method based on
ICEEMDAN-RIME-BiGRU that considers seasonal differences. Firstly, the ICEEMDAN method is used to de⁃
compose the electrical load into seasonal components. Secondly, integrating the soft frost search strategy, hard
frost puncture mechanism, and forward greedy selection mechanism of the RIME algorithm, the method learns
the characteristics of load components in different seasons to optimize the parameters of the BiGRU model. These
feature components are then input into the network model, and the results are aggregated to obtain the time series
forecast values. Finally, a case study using load data from a microgrid in a specific region is conducted. The re⁃
sults demonstrate that compared to three other typical correlation forecasting methods, the proposed method effec⁃
tively characterizes the impact of seasonal differences on load, thereby improving load forecasting accuracy.

Key words：microgrid load，seasonal variation，ICEEMDAN algorithm，BiGRU algorithm，RIME algorithm

为了积极响应“双碳”目标，合理规划能源调 响，不是简单的线性关系。如何提升负荷预测精
度，需要做好短期负荷的预测工作 ［1-2］ 。电力系统 度成为了广大研究人员的目标 ［3-4］ 。
的负荷受到季节、区域、气温等多种因素的叠加影 文 献［5］提 出 了 一 种 基 于 长 短 期 记 忆 与 序