科研之友
微信
新浪微博
Facebook
分享链接
摘要
为提高短期电力负荷预测精度，提出一种二次指数平滑多目标组合模型ES-BiLSTM-LSTM预测方法。通过获取负荷目标预测值和残差目标预测值，实现多目标负荷预测；利用Pearson相关系数，选取与电力负荷相关性较高的影响因素；采用双向长短期记忆神经网络(BiLSTM)和长短期记忆神经网络(LSTM)串行学习负荷数据的时序性特征和周期性特征；利用二次指数平滑法平滑处理负荷数据，获得残差项，通过LSTM模型训练和迭代，提取残差数据的波动性特征；将负荷预测值与残差预测值融合得到修正预测值。实验结果表明，该方法在MAE、MSE和RMSE上，对比3种负荷预测模型均有提升。
- 单位
