基于LSTNet模型的配电台区短期电力负荷预测研究 |
| |
引用本文: | 顾吉鹏,邵亮,陆垂基,张有兵,张伟杰,杨吉峰.基于LSTNet模型的配电台区短期电力负荷预测研究[J].电气传动,2023(5):63-70. |
| |
作者姓名: | 顾吉鹏 邵亮 陆垂基 张有兵 张伟杰 杨吉峰 |
| |
作者单位: | 1. 浙江工业大学信息工程学院;2. 国网浙江慈溪市供电有限公司 |
| |
基金项目: | 国家自然科学基金(51777193); |
| |
摘 要: | 短期电力负荷预测作为电力系统运行规划的重要依据,对电力系统的安全经济运行有重要意义。提出一种长期和短期时间序列网络(LSTNet)模型对配电台区的短期负荷变化进行预测。该模型用卷积神经网络(CNN)提取负荷数据间的局部依赖关系,用长短时记忆(LSTM)神经网络提取负荷数据长期变化趋势,再融合传统自回归模型解决神经网络对负荷数据极端值的不敏感问题,最后将某一配电台区的电力负荷数据用于网络的训练和预测过程中。通过仿真实验案例发现,相较于以往LSTM、双向长短时记忆神经网络(Bi-LSTM)和CNN-LSTM的预测模型,LSTNet模型在短期负荷预测方面更具优势、预测精度更高。
|
关 键 词: | 短期电力负荷预测 长期和短期时间序列网络 长短时记忆神经网络 卷积神经网络 自回归模型 |
|
|