| 基于长短期记忆神经网络的配电网负荷预测方法研究 |
| |
| 引用本文： | 史静,李琥,李冰洁,谈健,刘丽新. 基于长短期记忆神经网络的配电网负荷预测方法研究[J]. 供用电, 2019, 36(7): 71-77,90 |
| |
| 作者姓名： | 史静 李琥 李冰洁 谈健 刘丽新 |
| |
| 作者单位： | 国网江苏省电力有限公司经济技术研究院,江苏南京,210008;北京清软创新科技股份有限公司,北京,100085 |
| |
| 基金项目： | 江苏省电力有限公司咨询项目(SGJSJY00GH WT1800087)~~ |
| |
| 摘 要： | 高渗透率分布式光伏接入配电网后,将削减配电网负荷。由于光伏出力与配电网负荷均具有强随机性,且与温度、太阳辐照等相关气象因素耦合特性不同,导致配电网净负荷随机性提高、预测难度增加。为满足强波动性配电网净负荷短时预测需要,提出基于长短期记忆(long short term memory,LSTM)神经网络短期预测模型构建新方法。采用LSTM分别构建小时前配电网负荷预测模型和短期光伏出力预测模型,并分别使用交叉验证方法优化各个LSTM预测器结构超参数;最后,以两者预测结果相减,获得配电网净负荷。实测数据实验表明,相较于支持向量回归(SVR)等方法,采用LSTM的新方法能够自适应挖掘历史负荷、光伏出力特征与预测对象间的相关性,避免了复杂的特征选择环节,且预测精度优于SVR预测方法。
|
| 关 键 词： | 配电网 负荷预测 光伏出力预测 净负荷 长短期记忆(LSTM) 高渗透率 |
Distribution Network Load Forecasting Based on LSTM Neural Network |
| |
| SHI Jing,LI Hu,LI Bingjie,TAN Jian,LIU Lixin. Distribution Network Load Forecasting Based on LSTM Neural Network[J]. Distribution & Utilization, 2019, 36(7): 71-77,90 |
| |
| Authors: | SHI Jing LI Hu LI Bingjie TAN Jian LIU Lixin |
| |
| Affiliation: | (State Grid Jiangsu Economic Research Institute,Nanjing 210008,China;Beijing TsingSoft Technology Co.,Ltd.,Beijing 100085,China) |
| |
| Abstract: | SHI Jing;LI Hu;LI Bingjie;TAN Jian;LIU Lixin(State Grid Jiangsu Economic Research Institute,Nanjing 210008,China;Beijing TsingSoft Technology Co.,Ltd.,Beijing 100085,China) |
| |
| Keywords: | distribution network load forecasting photovoltaic output forecasting net load long-short term memory(LSTM) high permeability |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
