VMD-LSTM预测模型

预测精度超90%

该方法将VMD分解与LSTM结合，显著提升电能质量指标的预测精度，并通过KDE与模糊模型实现风险的系统性量化，适用于电网稳态电能质量的预警与管理。

Yu, Shen · 胡伟 · Mingqi, Dong · 杨帆 · 杨志淳 · Chen, Hechong

Heliyon 2024

参数信息

电能质量指标预测中位误差

5.03 %

预测精度

90 %

技术优势

预测更准

VMD分解将原始序列分解为多个模态，分别用LSTM预测，从而显著提升预测精度。

风险可量化

结合核密度估计与模糊模型，系统地处理电能质量风险的不确定性，给出明确风险等级。

应用场景

• 电网稳态电能质量监测：实时预测电压偏差、谐波等指标趋势，提前发现异常。
• 电能质量监测装置：直接嵌入监测装置，提升其预测与预警能力。
• 电力系统风险管理：输出量化风险等级，辅助调度与运维决策。