随着间歇分布式电源的大规模并入，电力负荷的波动性和非线性特征日益明显，现有单一预测模型较难实现精准预测。本研究提出一种经验小波变换(EWT)、门控循环单元(GRU)和岭回归(RR)相结合的短期电力负荷预测模型EWT-GRU-RR。首先，应用灰色关联度选取与负荷高相关性的气象耦合因素，作为相似日的分类指标；然后，采用皮尔逊系数法对类别内的负荷进行最佳相似日选取以减小计算规模；接着，采用EWT将相似日负荷数据分解得到不同频率的负荷模态序列；最后，采用GRU与RR分别对不同频率模态序列进行多步预测，并将预测分量叠加得到最终负荷预测结果。实验结果表明，本研究所提模型的预测误差较单一预测模型GRU减少了77%以上，较支持向量机回归(SVR)减少了75%以上，较先采用经验模态分解(EMD)进行分解再采用径向基函数神经网络(RBF)和RR组合预测模型EMD-RBF-RR减少了75%以上，较先采用EMD进行分解再采用GRU和RR组合预测模型EMD-GRU-RR减少了76%以上，有效提高了负荷预测精度。

国家自然科学基金项目(51807134)；省部共建电工装备可靠性与智能化国家重点实验室(河北工业大学)开放基金项目(EERI＿KF20200014)；

1 负荷的分解与预测
1.1 负荷分解模型
1.2 负荷预测模型
1.2.1 门控循环单元
1.2.2 岭回归
2 预测流程和评判指标
1) 数据预处理。
2) 相似日分类依据的确定。
3) 相似日的选取。
4) 负荷序列的分解与预测。
5) 将各模态预测结果叠加重构，得到最终负荷预测值。
3 仿真分析
3.1 气象耦合及相似日分类
3.2 分解的模态分量对比分析
3.3 预测效果对比分析
3.3.1 单一模型间的对比分析
3.3.2 组合模型间的对比分析
4 结论

白星振,赵康,葛磊蛟等.基于EWT-GRU-RR的配电网短期电力负荷预测模型[J].山东科技大学学报(自然科学版),2023,42(05):77-87.DOI:10.16452/j.cnki.sdkjzk.2023.05.009.