融合级联LSTM的短期电力负荷预测

摘要：

随着我国清洁能源的快速发展,分布式光伏电站得到了大力推广.在光伏电力系统运维中,电力负荷预测是影响分布式光伏电站发电、储能、传输等多个环节进行优化配置的关键因素.针对电力负荷的预测问题,提出了一种级联长短期记忆模型,将电力负荷预测划分为两个阶段:第一个阶段提取电力负荷的周期性特征,得到总体的变化趋势;第二个阶段提取负荷的波动性特征,对总体趋势进行修正,进一步提升预测的准确度.在某地区连续五年的电力负荷数据集上进行了实验验证,结果表明级联LSTM模型能够大幅降低预测误差.该模型可以为分布式光伏电站提供较为准确的负荷预测,能够为其智慧运维服务提供重要支持.

关键词：电力负荷预测;长短期记忆网络;光伏电站;人工智能

所属期刊栏目：57

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划;2020电商自建科技项目

在线出版日期：2021-09-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：275-280