多时序协同中期负荷预测模型

• 作者: 刘文翰 刘江永 易灵芝
• 来源期刊: 电力系统及其自动化学报
• 学科: 工学
• 关键词: 中期负荷预测 加法自回归积分滑动平均模型 长短期记忆网络 预测精度
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 学术论文
• 页码范围: 48-53
• 页数: 6页
• 分类号: TM715
• 字数: 4079字
• 语种: 中文
• DOI: 10.19635/j.cnki.csu-epsa.000245

摘要

针对负荷预测中前馈神经网络无法记忆序列间关联信息,且长短期记忆网络容易出现过拟合、泛化能力差等问题,提出了加法自回归积分滑动平均ARIMA(auto-regressive integrated moving average)模型结合长短期记忆LSTM(long short-term memory)网络的多时序协同中期负荷预测ARIMA-LSTM模型.该模型考虑了季节、温度和节假日的影响,采用ARIMA提取负荷序列内部因素,用Adam算法优化ARIMA-LSTM模型的网络参数.最后将某地区实际负荷数据用于该模型,并与神经网络NN(neural network)模型和LSTM进行对比,其均方根误差分别降低了7.698％和2.154％,验证了该模型具有更高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	易灵芝	湘潭大学信息工程学院湖南省多能源协同控制技术工程研究中心	195	1654	20.0	33.0
3	刘江永	湘潭大学信息工程学院湖南省多能源协同控制技术工程研究中心	11	42	4.0	6.0
4	刘文翰	湘潭大学信息工程学院湖南省多能源协同控制技术工程研究中心	1	0	0.0	0.0