考虑相关因素的长短时记忆网络短期负荷预测方法

论文摘要

电力市场环境下短期负荷预测是电力系统发电调度计划的重要基础,负荷预测的准确性对电力系统安全经济运行具有重要意义。为考虑相关因素对短期负荷的影响,提高短期负荷预测的准确率,在历史负荷数据的基础上,引入天气、节假日等相关因素信息,构造长短时记忆（LSTM）网络模型对日前96点负荷进行预测。利用广东某市的2011-2015年的历史实际负荷数据作为训练数据,2016年的数据作为测试数据进行模拟预测,并与传统人工神经网络方法和单纯考虑历史数据的LSTM网络模型的结果作比较。预测结果表明,考虑相关因素的影响后,基于LSTM网络的全年短期负荷预测准确率达到97.6%,节假日的平均预测准确率达到95.8%,能够有效提高短期负荷预测的准确率。

论文目录

• 0 引言
• 1 长短时记忆网络原理
• 2 负荷预测模型
•   2.1 LSTM网络模型
•   2.2 模型的相关因素
•   2.3 数据预处理
• 3 算例分析
•   3.1 算例说明
•   3.2 结果分析
•     3.2.1 工作日与周末
•     3.2.2 节假日
• 4 结束语

文章来源

类型: 期刊论文

作者: 罗澍忻,陆秋瑜,靳冰洁,麻敏华

关键词: 负荷预测,深度学习,长短时记忆网络,循环神经网络,短期负荷预测

来源: 机电工程技术 2019年12期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 广东电网有限责任公司电网规划研究中心,广东电网有限责任公司电力调度控制中心

基金: 南方电网有限责任公司规划专题研究项目(编号：030000QQ00180016)

分类号: TM715

页码: 126-129

总页数: 4

文件大小: 1593K

下载量: 305