基于PCA-DBILSTM的多因素短期负荷预测模型

• 作者: 刘湘 唐鹏 李泽文 王杨帆 胡让 邓裕文
• 来源期刊: 电力系统及其自动化学报
• 学科: 工学
• 关键词: 主成分分析 双向长短期记忆网络 时间序列 负荷预测 Adamax算法
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 学术论文
• 页码范围: 32-39
• 页数: 8页
• 分类号: TM71
• 语种: 中文
• DOI: 10.19635/j.cnki.csu-epsa.000501

摘要

针对传统神经网络在短期负荷预测中预测精度不高、预测时间较长的问题,提出了一种基于主成分分析法和深度双向长短期记忆神经网络的短期负荷预测模型.该模型运用主成分分析法对原始多维输入变量组成的时间序列进行主成分提取,实现原始负荷的降维;然后通过深度双向长短期记忆网络结合Adamax优化算法,对提取的主成分序列和负荷实际输出序列之间的非线性关系建立网络模型.以中国某地区的负荷数据作为实际算例,验证该方法预测精度达到了99.44％,并与传统预测模型进行对比,在保证预测精度的同时,大幅降低了预测时间.