科研之友
微信
新浪微博
Facebook
分享链接
摘要
智能化管理电力资源是电网等部门的长期目标，准确地预测用电需求对基建投资、电能调度、用电安全等起着至关重要的作用。电力资源需求受多方面复杂因素影响，使得传统模型难以适应多变量或多输入预测问题，其预测准确率无法实际应用于现实用电场景。提出了一种新型多源异构化数据驱动的电量预测系统，利用电力资源、气象和人群移动等多源异构化数据集，结合深度神经网络实现高可靠性、高准确率的电力资源预测模型。设计堆栈式去噪自编码器实现多源异构数据的“电力-天气-人群”深度耦合特征提取，然后使用长短时记忆神经网络(LSTM)对所提取特征进行用电需求预测。通过现实用电场景下所采集的多源异构化数据集对预测模型进行训练，实现高精度的用电需求预测。实验结果同时也证明多源异构数据集可以更好地捕捉特定区域内用电习惯，帮助相关部门实现高效且低时延的电力资源管理与调度。
- 单位
