基于DAE和LSTM的居民用电负荷预测方法

作者：姚国风; 李天杰; 刘兰芳; 郑瑛楠^*

来源：控制工程, 2022, 29(11): 2048-2053.

DOI：10.14107/j.cnki.kzgc.20190619

• 自编码器
• 特征提取
• 长短期记忆网络
• 居民用电负荷预测
• 深度学习

电力需求侧响应的发展对居民用电负荷预测提出了更高的要求。为提升居民负荷预测精度，提出了一种基于深度自编码器(DAE)和长短期记忆(LSTM)网络的预测方法。首先，将多个用户的数据整合在一起，以最大程度地利用数据和模型参数。其次，用DAE提取用户的典型行为特征，并用生成的特征向量标记历史负荷数据。最后，采用深度学习技术抽取历史负荷中的行为特征，并以此进行预测。实验结果表明，所提算法的MAE和RMSE比当前性能最优的采用独热向量标记的LSTM方法分别降低了3.35%和4.4%。

• 单位
  东北大学; 中国电力科学研究院有限公司