基于WOA VMD GBDT的長(zhǎng)期電力負(fù)荷預(yù)測(cè)

摘 要：為提高電力負(fù)荷的預(yù)測(cè)精度提出了一種基于鯨魚(yú)優(yōu)化算法（WOA）改進(jìn)的變分模態(tài)分解（VMD）與梯度提升樹(shù)（GBDT）結(jié)合的長(zhǎng)期電力負(fù)荷預(yù)測(cè)方法。首先，利用VMD將長(zhǎng)期負(fù)荷分解為簡(jiǎn)單的子序列，并引入WOA解決VMD分解時(shí)需人為調(diào)參的問(wèn)題；影響長(zhǎng)期負(fù)荷預(yù)測(cè)的經(jīng)濟(jì)因素和氣象因素同樣進(jìn)行分解并降維，以獲得有用特征，降低噪聲影響；最后，將IMF分量及特征分量帶入GBDT模型，得到多個(gè)IMF分量預(yù)測(cè)值，疊加重構(gòu)后得到最終的電力負(fù)荷預(yù)測(cè)值。（剩余5588字）