采用值守作业机器人进行短期电力负荷预测方法与应用

作者：张伟; 张潇; 冯磊; 郭梓晗; 秦轩; 梁庆华

来源：机械设计与研究, 2022, 38(01): 51-61.

DOI：10.13952/j.cnki.jofmdr.2022.0046

• 值守作业机器人
• 负荷预测
• 卷积神经网络
• 长短期记忆网络

电力负荷的精确预测为资源的优化调度起到重要作用，然而传统的自动化采集系统难免出现电力数据缺失情况而影响后续的数据分析。在值守作业机器人现场实时监测的辅助下，得以保证数据采集的完整性，提出了一种融合卷积神经网络(Convolutional Neural Networks, CNN)以及长短期记忆网络(Long Short-Term Memory, LSTM)负荷预测模型。通过训练值守作业机器人采集的历史数据，构建完整网络模型，该网络模型通过CNN网络对输入的数据提取有效序列特征，经过LSTM网络得到负荷预测结果。预测结果与多种算法进行比较，实验表明融合的网络模型具有更高的预测精度。

• 单位
  上海交通大学