Modèle de prévision de la charge électrique à court terme basé sur EMD-GRU avec sélection de caractéristiques

De nombreux facteurs affectent la charge électrique à court terme, et la superposition de ces facteurs entraîne sa non-linéarité et sa non-stationnarité. Séparer les différentes composantes de charge de la série de charge originale peut aider à améliorer l'exactitude des prévisions, mais la modélisation et la prédiction directes des composantes de séries chronologiques décomposées donneront lieu à de multiples erreurs aléatoires et augmenteront la charge de travail de prédiction. Cet article propose un modèle de prévision de la charge électrique à court terme basé sur une unité récurrente à portes décomposées par modes empiriques (EMD-GRU) avec sélection de caractéristiques (FS-EMD-GRU). Tout d'abord, la série de charge originale est décomposée en plusieurs sous-séries par EMD. Ensuite, nous analysons la corrélation entre les sous-séries et la série de charge originale à l'aide de la méthode du coefficient de corrélation de Pearson. Certaines sous-séries ayant une corrélation élevée avec la série de charge originale sont sélectionnées comme caractéristiques et intégrées dans le réseau GRU avec la série de charge originale pour établir le modèle de prédiction. Trois ensembles de données publics fournis par l'entreprise publique américaine et les données de charge d'une région du nord-ouest de la Chine ont été utilisés pour évaluer l'efficacité de la méthode proposée. Les résultats expérimentaux ont montré que la précision moyenne de prédiction de la méthode proposée sur quatre ensembles de données était respectivement de 96,9 %, 95,31 %, 95,72 % et 97,17 %. Comparé à un GRU simple, à la régression par vecteurs de support (SVR), aux modèles de forêt aléatoire (RF) et aux modèles EMD-GRU, EMD-SVR, EMD-RF, la précision de prédiction de la méthode proposée dans cet article était supérieure.