基于异构数据的电力短期负荷大数据预测方案

作者：赵海波; 相志军; 肖林松

来源：电信科学, 2022, 38(12): 103-111.

• 短期负荷预测
• 长短期记忆网络
• 递归神经网络
• 聚类
• 大数据

随着多种可再生能源电力的接入，电力系统正在向更智能、更灵活、交互性更高的系统过渡。负荷预测，特别是针对单个电力客户的短期负荷预测在未来电网规划和运行中发挥着越来越重要的作用。提出了一个基于异构数据的电力短期负荷大数据预测方案，该方案收集来自智能电表和天气预报的数据，预处理后将其加载到非关系型数据库中进行存储并做进一步的异构数据处理；设计并实现了一个长短期记忆递归神经网络模型，用于确定负荷分布并预测未来24 h的住宅小区用电量；最后利用一个住宅小区的智能电表数据集对提出的短期负荷预测框架进行了测试，并使用均方根误差和平均绝对百分比误差两个指标，对比了预测模型与两种经典算法的性能，验证了所提模型的有效性。