基于孪生网络和长短时记忆网络结合的配电网短期负荷预测

作者：葛磊蛟; 赵康; 孙永辉^*; 王尧; 牛峰

来源：电力系统自动化, 2021, 45(23): 41-50.

• 配电网
• 孪生网络
• 灰狼优化算法
• 长短时记忆网络
• 负荷预测

保证数据驱动型配电网短期负荷预测精准的关键是选取合适的相似日数据集和构建合理的日负荷预测模型。文中研究了一种基于孪生网络(SN)和长短时记忆(LSTM)网络相结合的配电网短期负荷预测模型。基于配电网负荷相似日的影响因素具有多样化、强随机性的特点,利用SN两个输入权重共享的特点对历史负荷数据进行分析,进而对待测日的特征进行分类,以完成相似日数据选取。此外,利用灰狼优化算法全局搜索能力强、收敛速度快等特点,对基于LSTM网络的配电网短期负荷预测模型进行参数优化。最后,以某一个区域配电网的实际数据为例,验证上述预测方法的准确性与鲁棒性,与LSTM网络、基于粒子群优化的LSTM网络、支持向量机等方法对比可知,所提方法具有较高的准确度和计算效率。

• 单位
  河北工业大学; 河海大学; 电气学院; 智能电网教育部重点实验室; 山东科技大学; 天津大学