融合多元影响因素的配电台区BiLSTM负荷预测方法

作者：习伟; 蔡田田; 张镇^*; 于浩; 李鹏

来源：天津大学学报 (自然科学与工程技术版), 2023, 56(11): 1205-1216.

• 负荷预测
• 特征聚类
• 主成分分析
• 双向长短期记忆网络

配电台区负荷预测是保障电力供需平衡的关键，对电力系统的安全预警、应急维护和经济运行具有重要的指导作用．受多种耦合因素影响，面向台区负荷的中短期常规预测方法存在较大的局限性．为提高台区负荷预测方法的泛化能力，提出一种基于双向长短期记忆网络(bidirectionallongshort-termmemory,BiLSTM)，并引入要素主成分分析(principalcomponentanalysis,PCA)和用电行为分析的中短期日负荷预测模型．首先，基于PCA方法提取预选的影响用电负荷外在因素的主成分，实现对包含冗余、缺失和异常信息的输入变量的降维和修正；其次，依据历史负荷数据，利用基于遗传算法(geneticalgorithm,GA)的模糊C均值(fuzzyC-means,FCM)聚类提取台区内不同用户的用电行为特征并依此划分台区内的用户集合，降低用电行为差异对预测结果的影响；然后，搭建每类用户的BiLSTM预测模型，并应用随机权重平均(stochasticweightaveraging,SWA)算法提升预测模型的泛化能力，以年为单位预测日负荷电量；最后，将每类用户的负荷预测数据进行线性叠加，得到配电台区负荷预测结果．选取中国某低压台区近4年来的负荷数据作为算例，与其他基于LSTM的常规预测模型相比，基于PCA-BiLSTM模型预测得到的各类用户的年度用电负荷曲线更贴合真实数据曲线，更符合用户的实际生活需求，且基于主成分分析和用电行为分析的分类预测方法可有效提升预测结果的准确率．

• 单位
  天津大学; 智能电网教育部重点实验室; 南方电网数字电网研究院有限公司