摘要:为提升短期电力负荷预测精度，提出了一种变权组合预测策略。首先，为了降低负荷数据的不平稳度，使用变分模态 分解(variational mode decomposition,VMD)将负荷数据分解成了高频、低频、残差3种特征模态分量。其次，充分计及负荷数 据的时序特点，参考指数加权法原理设计自适应误差重要性量化函数，并结合组合模型在时间窗口内的历史负荷数据的均方 预测误差设计改进最优加权法的目标函数和约束条件，以完成子模型的准确变权。最后，针对波动较强的高频分量选定极端 梯度提升(XGBoost) 和卷积神经网络-长短期记忆(CNN-LSTM) 模型并使用改进最优加权法进行组合预测、低频分量使用多 元线性回归(MLR) 模型预测、残差分量使用 LSTM 模型预测，叠加各模态分量的预测结果，实现了短期负荷数据的准确预 测。实验结果表明，使用策略组合模型的平均绝对百分比误差为4.18%。与使用传统组合策略的组合模型相比，平均绝对百 分比预测误差平均降低了0.87%。