基于LSTM神经网络的区域微网短期负荷预测

摘要：

针对大电网负荷预测的研究较多而微电网相对较少,因此建立合适的微电网负荷预测模型提高预测的准确度非常重要.本文针对输入变量较少的情况,分析并选用温度、日类型以及多个历史负荷量作为模型的输入变量,选用基于循环神经网络基础下的长短期记忆神经网络进行建模,构建基于LSTM神经网络的微网负荷预测模型.最后,为增强结果的可靠性,采用2组不同时间段的负荷数据分别进行预测,将LSTM神经网络的预测结果与BP神经网络、径向基函数神经网络、Elman神经网络的预测结果进行对比.实验结果表明,LSTM神经网络的预测结果要优于BP神经网络、径向基函数神经网络及Elman神经网络,采用LSTM神经网络负荷预测模型在微电网背景下具有比较好的推广前景.

关键词：微电网、短期负荷预测、循环神经网络、LSTM神经网络

分类号：TM715(输配电工程、电力网及电力系统)

资助基金：山东省自然科学基金面上项目ZR2020MF070

在线出版日期：2022-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：7-11