基于深度长短时记忆网络的区域级 超短期负荷预测方法

张宇帆1李昭昱1林琳2艾芊1袁帅2

1.上海交通大学; 2.山东电力调度控制中心;

摘要：

超短期负荷预测为实时电力市场运行提供重要依据,预测准确度的提升对于揭示负荷变化的不确定性以及日前预测偏差具有重要意义.基于电力系统中含有的丰富大数据资源,提出了一种针对区域级负荷的深度长短时记忆网络超短期预测方法,该方法包括输入数据的预处理、深度长短时记忆(long short-term memory,LSTM)网络的构建以及模型的训练和超参数的寻找等步骤.其中采用随机搜索的方法寻找最优超参数,并在该超参数下选择泛化能力最优的模型,与前沿机器学习预测算法进行对比.实验结果证实,深度LSTM网络可以取得更好的预测效果,适合于离线训练实时预测.此外,通过对隐藏层激活向量的可视化展示和相关关系定量计算,首次…展开v

关键词：超短期负荷预测、深度LSTM、循环神经网络、可视化、相关性

所属期刊栏目：43

分类号：TM715(输配电工程、电力网及电力系统)

资助基金：国家电网公司总部科技项目52060018000N

在线出版日期：2019-06-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1884-1891,中插3