摘要：針對傳統(tǒng)的負(fù)荷預(yù)測方法不能充分利用數(shù)據(jù)的相關(guān)性從而導(dǎo)致預(yù)測精度不高的問題,提出了一種基于經(jīng)驗?zāi)B(tài)分解(EMD)和長短期記憶神經(jīng)網(wǎng)絡(luò)(LSTM)相結(jié)合的負(fù)荷預(yù)測模型。該模型首先利用EMD算法將時間序列信號分解為數(shù)個本征模函數(shù)(IMF)分量和趨勢分量。然后利用LSTM存儲單元能夠長期學(xué)習(xí)歷史負(fù)荷數(shù)據(jù)中的有用信息并且去除無用信息的特性,對每個提取的IMF和趨勢項分別建立LSTM模型進(jìn)行預(yù)測,最后將所有分量的預(yù)測值累加得到最終的預(yù)測結(jié)果。實驗結(jié)果表明,BP模型的平均絕對百分誤差為3.47%,LSTM模型的平均絕對百分誤差為2.63%,EMD-LSTM模型的平均絕對百分誤差為1.23%,能夠滿足更高的預(yù)測精度要求。