基于复杂度分量自适应分解与局部门控 Mamba 的用户级短期负荷预测
《Energies》:A Short-Term Load Forecasting Method Based on Complexity-Component Adaptive Decomposition and Locally Gated Mamba
【字体:
大
中
小
】
时间:2026年09月27日
来源:Energies 3.9
摘要
用户级短期负荷预测对于配电网的高效运行和调度至关重要。然而,由于显著的负荷波动和局部突变,准确预测仍然具有挑战性。为此,我们提出了一种基于复杂度 - 分量自适应分解和局部门控 Mamba 的短期负荷预测方法。该方法根据分量复杂度自适应分解负荷序列,并使用适合各自特征的模型分别预测不同分量。具体而言,首先应用使用 loess 的多季节趋势分解将每个负荷序列分离为趋势、季节和残差分。随后,开发了一种整合样本熵、方差比和高频能量比的残差复杂度得分,以选择性地激活变分模态分解来处理高复杂度的残差窗口。根据不同分量的特征,分别采用线性预测器、Mamba 和局部门控 Mamba 进行趋势、季节和残差预测,最后通过加性聚合重构分量预测。在中国南方某城市真实负荷数据上的实验表明,所提方法始终优于现有方法,平均加权绝对百分比误差和对称平均绝对百分比误差分别降低了 11.20% 和 10.45%,从而证实了其在异构负荷模式下的准确性和有效性。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号