电力市场中基于Attention-LSTM的短期负荷预测模型

• 作者: 尹山青 彭文 王金睿
• 来源期刊: 电网技术
• 学科: 工学
• 关键词: 负荷预测 电力市场 最大信息系数 LSTM Attention机制
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 电力系统
• 页码范围: 1745-1751
• 页数: 7页
• 分类号: TM715
• 语种: 中文
• DOI: 10.13335/j.1000-3673.pst.2018.1554

摘要

电力市场环境下,精准的短期负荷预测可以保障电网安全稳定运行,但电价的实时波动增加了负荷变化的复杂性,加大了预测难度.针对这一问题,采用最大信息系数法分析电价及历史负荷与当前时刻负荷的相关性,为预测模型输入特征的确定提供依据.在此基础上,提出了基于Attention-LSTM(attention long short-term memory,Attention-LSTM)网络的短期负荷预测模型.该模型充分利用负荷的时序特性,并采用Attention机制突出对负荷预测起到关键作用的输入特征.以澳大利亚某地区真实数据为算例,分别应用Attention-LSTM模型与其他模型进行仿真实验.结果表明,所提方法在预测精度和算法鲁棒性方面均优于其他模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭文		6	45	3.0	6.0
2	王金睿		2	0	0.0	0.0
3	尹山青		1	0	0.0	0.0