基于因果关系分析的短期负荷预测方法研究

作者：张光儒; 马振祺; 杨军亭; 张家午; 苏娟; 高天; 丁泽琦; 方舒

来源：电器与能效管理技术, 2022, (08): 23-32.

DOI：10.16628/j.cnki.2095-8188.2022.08.004

• 短期负荷预测
• 最优模态分解
• Granger因果分析
• ARIMA
• Bi-LSTM

随着高比例可再生能源和电力市场的快速发展，电力系统不确定性增大。为提高市场环境下负荷预测精度，提出一种基于因果关系分析的短期负荷预测方法。首先，采用灰色关联度分析法量化气象因素和市场因素与负荷的相关性；然后，采用最优模态分解法对负荷模态分解，利用Granger因果分析法将影响因素与模态子序列进行匹配；最后，对子序列分别采用差分自回归移动平均(ARIMA)模型和双向长短时记忆(Bi-LSTM)神经网络模型进行预测，将预测结果叠加得到短期负荷预测结果。仿真结果表明，所提方法的预测精度可达到92%,验证了方法的准确性和有效性。

• 单位
  中国农业大学; 国网甘肃省电力公司电力科学研究院; 国网山东省电力公司泰安供电公司