基于长短期记忆神经网络的配电网负荷预测方法研究

• 作者: 刘丽新 史静 李冰洁 李琥 谈健
• 来源期刊: 供用电
• 学科: 工学
• 关键词: 配电网 负荷预测 光伏出力预测 净负荷 长短期记忆(LSTM) 高渗透率
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 负荷预测
• 页码范围: 71-77,90
• 页数: 8页
• 分类号: TM74
• 字数: 3889字
• 语种: 中文
• DOI: 10.19421/j.cnki.1006-6357.2019.07.011

摘要

高渗透率分布式光伏接入配电网后,将削减配电网负荷.由于光伏出力与配电网负荷均具有强随机性,且与温度、太阳辐照等相关气象因素耦合特性不同,导致配电网净负荷随机性提高、预测难度增加.为满足强波动性配电网净负荷短时预测需要,提出基于长短期记忆(long short term memory,LSTM)神经网络短期预测模型构建新方法.采用LSTM分别构建小时前配电网负荷预测模型和短期光伏出力预测模型,并分别使用交叉验证方法优化各个LSTM预测器结构超参数;最后,以两者预测结果相减,获得配电网净负荷.实测数据实验表明,相较于支持向量回归(SVR)等方法,采用LSTM的新方法能够自适应挖掘历史负荷、光伏出力特征与预测对象间的相关性,避免了复杂的特征选择环节,且预测精度优于SVR预测方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李琥	国网江苏省电力有限公司经济技术研究院	24	143	7.0	11.0
2	谈健	国网江苏省电力有限公司经济技术研究院	29	262	9.0	15.0
3	史静	国网江苏省电力有限公司经济技术研究院	9	35	4.0	5.0
4	李冰洁	国网江苏省电力有限公司经济技术研究院	5	4	1.0	2.0
5	刘丽新		9	7	1.0	2.0