基于特性分析的LSTM神经网络短期电力需求预测方法研究

• 作者: 张舒 廖兴炜 程远林
• 来源期刊: 电力大数据
• 关键词: 特性分析 特征工程 神经网络 电力需求 电力负荷
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 大数据专题|Big Data Special Reports
• 页码范围: 9-17
• 页数: 9页
• 分类号: TM715
• 语种: 中文

摘要

在进行短期电力需求预测研究工作中,由于短期电力需求受众多复杂的非线性因素影响,出现了特征考虑不充分和无法对时序相关性建模的问题.本文提出了 一种基于特性分析的长短时记忆神经网络短期电力需求预测方法,根据电力需求特性分析挖掘影响因素,再采用线性回归和长短时记忆神经网络结合的网络模型对电力需求建模.通过特征工作挖掘了各个影响因素与最终结果基准量和敏感量的相关性,解决了特征表述能力不够强的问题.在神经网络建模时,采用遗忘门、输入门和输出门的结构设计,增强了模型对时序相关性的学习能力.本文选取某省2015年-2020年电力数据了验证提出的方法,得到了精度较高的预测结果,证明了本文提出的方法对能够提升建模效果,提高短期电力需求预测精度.