基于深度学习的短期电力负荷预测

• 作者: 丁宏 吴瀛 姚栋方 武文广 罗磊 阎帅
• 来源期刊: 国外电子测量技术
• 学科: 工学
• 关键词: 深度学习 短期负荷预测 MLP LSTM Keras
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 理论与方法
• 页码范围: 44-48
• 页数: 5页
• 分类号: TM715
• 语种: 中文
• DOI: 10.19652/j.cnki.femt.1901695

摘要

电力负荷预测在智能电网中发挥着重要作用,精准的负荷预测对优化电力系统规划有着重要作用.为解决用户级负荷数据随机性和波动性较强造成短期负荷预测精度低下的问题,利用深度学习方法,基于Keras搭建负荷预测模型,提出一种新的损失函数实现短期/超短期电力负荷的高精度预测.结合某城市的用电和气象数据,采用多层感知机(MLP)和长短期记忆网络(LSTM)两种神经网络测试所提出损失函数的预测效果.仿真结果表明,采用深度学习可以有效预测短期电力负荷变化趋势,且MLP网络的预测精度高于LSTM,表明更多的先验知识有益于预测精度的提高.