科研之友
微信
新浪微博
Facebook
分享链接
摘要
电力负荷预测对于电力系统电量供需平衡、经济运行具有重要意义，电力负荷具有随机性、波动性等不确定性特征且易受天气因素影响，负荷准确预测存在技术挑战。提出了一种基于双向长短期记忆（BiLSTM）神经网络与误差修正的超短期负荷预测模型，采用最大信息系数描述各影响因素与负荷的关系，并进一步对输入特征进行筛选；考虑负荷变量数值序列的时序性，利用BiLSTM网络建立负荷预测模型，针对预测结果误差，采用自适应噪声的完备集合经验模态分解（CEEMDAN）算法将误差结果序列分解为若干分量，每个误差分量分别再建立BiLSTM预测模型。以我国北方某地区配电网实际负荷数据为算例，采用不同神经网络模型进行对比测试，结果表明该模型具有更高的准确度。
-
单位马鞍山当涂发电有限公司; 河北工业大学
