基于开发智慧云平台的日前建筑用电负荷预测方法研究

作者：潘广旭; 宫池玉; 李兴玉; 胡军; 李英杰; 王瑞琪

来源：电气传动, 2022, 52(12): 47-53.

DOI：10.19457/j.1001-2095.dqcd22877

• 电力负荷预测
• 云平台
• 长短期记忆神经网络
• 小波变换

作为电力系统设计规划、运行调度的重要一环，电力负荷预测受到强随机性、低精度的困扰，同时先进预测算法的落地实施关联数据管理系统，而传统数据管理系统底层数据资源传输与治理、预测信息应用十分不便。为了克服以上问题，基于云平台，在实现数据高效采集与治理的基础上，为电负荷预测提供天气预报以及历史电负荷信息；在日前负荷预测过程中，针对单一长短期记忆（LSTM）神经网络对时序数据挖掘能力不充分的情况，利用小波变换（WT）细化时序负荷高频分量，同时借助下一日温度、相对湿度预报信息，提升日前电负荷预测精度。结果表明，所提WT-LSTM方法表现了良好的预测效果，其两日均方根误差分别为185.56和179.56，比传统的LSTM网络预测精度分别提高了61.48%和12.51%。

• 单位
  国网山东省电力公司日照供电公司