基于CNN-BiLSTM的短期电力负荷预测 |
| |
作者单位: | 西安理工大学机械与精密仪器工程学院,陕西省西安市 710048;西安华瑞网电科技股份有限公司,陕西省西安市 710048 |
| |
摘 要: | 短期电力负荷预测能准确评估地区整体电力负荷变化情况,为电力系统运行决策提供准确参考。电力负荷参数受多维因素影响,为充分挖掘电力负荷数据中的时序特征,提升电力负荷预测精度,该文提出一种基于特征筛选的卷积神经网络—双向长短期记忆网络组合模型的短期电力负荷预测方法。以真实电力负荷数据作为数据集,通过对多维输入参数的优化筛选,选取高相关性特征向量作为输入,构建预测模型。通过与添加注意力机制的组合模型对比验证了输入参数优化分析的可行性和优越性。最后利用实际算例将该方法与利用自动化模型构建工具构建的梯度增强基线模型及常用预测模型相比,该方法构建的组合模型可以提升多维电力负荷数据的短期预测精度。
|
关 键 词: | 短期电力负荷预测 卷积神经网络 双向长短时记忆神经网络 特征筛选 梯度增强基线模型 |
本文献已被 CNKI 万方数据 等数据库收录! |
|