基于长短期记忆神经网络的短期电力负荷预测

作者：易礼秋; 谷云东

来源：中州大学学报, 2021, 38(04): 109-116.

DOI：10.13783/j.cnki.cn41-1275/g4.2021.04.021

• 短期负荷预测
• 预测相空间
• 长短期记忆神经网络

为提高电力负荷预测的精度,提出一种基于长短期记忆神经网络的短期负荷预测模型。首先,选取28个影响电力负荷变化的因素作为预测输入候选特征,同时对部分定性表述的影响因素进行量化表征,对电力负荷特点及其影响因素分析。其次,借助皮尔逊相关系数分析选取了23个相关性较强的主要影响因素,进一步采用皮尔逊相关系数法分析影响因素对负荷的影响。最后,为了减小高输入维度对预测模型泛化的影响,利用主成分分析法进行特征降维,简化神经网络模型的输入。该模型将提取的主成分确定为预测输入特征集,对时间序列历史数据进行输入输出关系化展开,进而构建预测相空间。对LSTM预测模型的参数设置进行实验测试并筛选出最优的训练参数来提高学习效率,利用LSTM进行模型训练,实现短期电力负荷预测。实例分析结果表明,该方法具有有效性。

• 单位
  数理学院; 华北电力大学; 新疆财经大学