考虑相关因素的长短时记忆网络短期负荷预测方法

• 作者: 罗澍忻 陆秋瑜 靳冰洁 麻敏华
• 来源期刊: 机电工程技术
• 学科: 工学
• 关键词: 负荷预测 深度学习 长短时记忆网络 循环神经网络 短期负荷预测
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 研究与开发
• 页码范围: 126-129
• 页数: 4页
• 分类号: TM715
• 字数: 3692字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-9492.2019.12.042

摘要

电力市场环境下短期负荷预测是电力系统发电调度计划的重要基础,负荷预测的准确性对电力系统安全经济运行具有重要意义.为考虑相关因素对短期负荷的影响,提高短期负荷预测的准确率,在历史负荷数据的基础上,引入天气、节假日等相关因素信息,构造长短时记忆(LSTM)网络模型对日前96点负荷进行预测.利用广东某市的2011-2015年的历史实际负荷数据作为训练数据,2016年的数据作为测试数据进行模拟预测,并与传统人工神经网络方法和单纯考虑历史数据的LSTM网络模型的结果作比较.预测结果表明,考虑相关因素的影响后,基于LSTM网络的全年短期负荷预测准确率达到97.6％,节假日的平均预测准确率达到95.8％,能够有效提高短期负荷预测的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陆秋瑜	广东电网有限责任公司电力调度控制中心	10	31	3.0	5.0
2	罗澍忻	广东电网有限责任公司电网规划研究中心	7	9	2.0	3.0
3	靳冰洁	广东电网有限责任公司电网规划研究中心	5	19	2.0	4.0
4	麻敏华	广东电网有限责任公司电网规划研究中心	5	30	3.0	5.0