基于attention机制的LSTM神经网络 超短期负荷预测方法

• 作者: 张宇帆 李昭昱 肖斐 艾芊
• 来源期刊: 供用电
• 学科: 工学
• 关键词: 超短期负荷预测 LSTM网络 attention机制 相关性 标准BP神经网络
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 特别策划
• 页码范围: 17-22
• 页数: 6页
• 分类号: TM74
• 字数: 3726字
• 语种: 中文
• DOI: 10.19421/j.cnki.1006-6357.2019.01.003

摘要

随着电力系统中分布式能源及可调控柔性负荷等的增多,电力系统负荷的随机性增强,且电力系统智能化发展,使得可获得数据急剧增长.为充分利用历史负荷数据,提高超短期负荷的预测精度,提出一种基于attention机制的LSTM超短期负荷预测方法.首先,通过分析负荷数据的自相关性,选取预测点前168 h的负荷数据作为网络输入,并针对坏数据进行辨识修正,随后通过Adam算法实现网络训练.最后,通过与标准BP神经网络的预测结果的MAPE指标进行对比,验证了所提方法的可行性及效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	艾芊	上海交通大学电子信息与电气工程学院	235	4395	36.0	56.0
2	张宇帆	上海交通大学电子信息与电气工程学院	14	28	3.0	5.0
3	肖斐	上海交通大学电子信息与电气工程学院	18	250	7.0	15.0
4	李昭昱	上海交通大学电子信息与电气工程学院	6	12	2.0	3.0