基于时间序列预测与深度学习互补的短期负荷预测方法

一种基于时间序列预测与深度学习互补的短期负荷预测方法，涉及负荷预测技术领域技术领域。该方法首先利用ADF检验和KPSS检验对历史负荷数据序列进行平稳性检验，若不平稳则进行差分处理直至信号平稳。其次，通过在蜣螂优化算法中引入周期突变机制以提升算法的寻优能力，并利用改进后的蜣螂优化算法对差分整合移动平均自回归模型参数p和q进行定阶，实现ARIMA对负荷的预测。然后，使用LSTM将ARIMA预测的非线性的残差序列进行预测。最后，将得到的负荷预测结果进行校验，大幅度提升模型的预测准确率，得到更为精确的短期负荷预测结果。达到更高的精度。