基于长短期记忆网络和LightGBM组合模型的短期负荷预测

• 作者: 陈纬楠 胡志坚 岳菁鹏 杜一星 齐祺
• 来源期刊: 电力系统自动化
• 关键词: 短期负荷预测 长短期记忆网络 轻梯度提升机 最优加权组合法 组合模型
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 学术研究
• 页码范围: 91-97
• 页数: 7页
• 语种: 中文
• DOI: 10.7500/AEPS20200312005

摘要

短期负荷预测是电网安全调度与平稳运行的基础,为进一步提升负荷预测的精度,提出了基于长短期记忆(LSTM)网络和轻梯度提升机(LightGBM)的组合预测模型.首先,根据LSTM网络和LightGBM模型的输入结构,将预处理后的负荷数据、温度数据、日期数据以及节假日信息分别输入2个模型中,通过训练得出各自的预测结果.然后,采用最优加权组合法确定权重系数,并得出组合模型的预测值.最后,采用实际负荷数据进行算例分析,结果表明所提方法能够有效结合2种模型的优点,在保留对时序数据整体感知的同时兼顾非连续特征的有效信息,与其他模型相比具有更高的预测精度.