电力市场环境下,精准的短期负荷预测可以保障电网安全稳定运行,但电价的实时波动增加了负荷变化的复杂性,加大了预测难度。针对这一问题,采用最大信息系数法分析电价及历史负荷与当前时刻负荷的相关性,为预测模型输入特征的确定提供依据。在此基础上,提出了基于Attention-LSTM （attention long short-term memory,Attention-LSTM）网络的短期负荷预测模型。该模型充分利用负荷的时序特性,并采用Attention机制突出对负荷预测起到关键作用的输入特征。以澳大利亚某地区真实数据为算例,分别应用Attention-LSTM模型与其他模型进行仿真实验。结果表明,所提方法在预测精度和算法鲁棒性方面均优于其他模型。
类型: 期刊论文
作者: 彭文,王金睿,尹山青
关键词: 负荷预测,电力市场,最大信息系数,机制
来源: 电网技术 2019年05期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 华北电力大学控制与计算机工程学院
分类号: TM715
DOI: 10.13335/j.1000-3673.pst.2018.1554
页码: 1745-1751
总页数: 7
文件大小: 792K
下载量: 1554
本文来源: https://www.lunwen90.cn/article/b441b4b63ee96d59cad793d8.html