基于CNN编码—LSTM解码混合神经网络的智慧家庭用电量预测技术研究

用电量预测是智能电力系统合理安排发电、输电和配电的必要前提。为了提高用电量预测的精度，提出一种基于CNN编码—LSTM解码的混合神经网络模型。该模型先采用CNN编码器提取特征变量之间的有效信息并编码为定长矢量，再采用LSTM解码器对时间序列进行建模并解码定长矢量为变长序列。考虑到用电量在不同时间分辨率下的特点，分别在每分、每时、每日、每周的不同采样率下进行用电量预测。以法国巴黎某家庭的实测数据作为实例进行实验，结果表明，与其他模型相比，所提出的模型不论在何种时间分辨率下均具有更高的预测精度。