基于AM-LSTM模型的电力系统短期负荷预测

作者：何宏宇; 龚泽玮; 李诗颖; 杨冬婷

来源：自动化与仪器仪表, 2023, (02): 61-65.

DOI：10.14016/j.cnki.1001-9227.2023.02.061

• LSTM
• 电力系统
• 短期负荷预测
• 注意力机制
• 小波变换理论

近年来国家的经济飞速发展，电力市场得到了机遇，目前对电力市场进行改革十分迫切，电力系统的短期负荷预测是电力市场改革的重中之重。为得到更为精准的预测结果，研究选用深度学习网络中适用性更强的长短期记忆网络模型，引进Attention机制优化LSTM,以此解决输入序列丢失的问题，最终构建AM-LSTM预测模型，将其用于电力系统的短期负荷预测中。研究结果显示，在单日与单周的预测结果中，该模型的预测准确率分别为97.28%与97.76%。综上所述，该模型能兼具高精确度与低经济成本。

• 单位
  广东电网有限责任公司; 广州供电局