一种电力网络数字潮流流量预测方法

    公开(公告)号:CN115567404A

    公开(公告)日:2023-01-03

    申请号:CN202210979131.3

    申请日:2022-08-16

    摘要: 本发明涉及一种电力网络数字潮流流量预测方法,相较于传统RNN与LSTM等神经网络流量预测方法,本方法通过对流量序列VMD分解预处理,解决了流量序列多本征模态分量混叠干扰的问题,降低LSTM神经网络运行复杂度,缩短运行时间,减小预测误差;同时,通过SVM支持向量机回归方法进行回归分析,有效减小数据流量突发性涌流造成的预测偏差,进一步提高了模型的精度;将经过LSTM神经网络模型流量序列各分量预测值与残差分量回归分析值相拟合,得出VMD‑LSTM‑SVM模型电力数字潮流精确预测值。使电力通信网能够根据流量预测结果及时利用链路资源对可能出现的通信拥塞做出调度反应,缓解网络拥塞状况,保证电力业务数据的传输质量。