基于传统CNN-LSTM模型和PGAN模型的用电量预测对比研究

摘要：

为保证新一代智能电网能够根据实时的用电量情况动态调节区域内电能分配及调度,需要实现高效且精准的用电量预测.传统电网中用电量预测方法是通过人工统计或者对历史同期用电量分析,粗略的计算出可能产生的用电量,不但消耗大量的人力物力,且无法满足智能电网背景下的用电量精准预测.现在采用差分整合移动平均自回归预测模型,长短时记忆网络预测模型和生成对抗网络预测模型等方法对用电量预测问题进行了研究,以取代传统的用电量预测方法.结果表明,智能算法可以最大程度上提高用电量预测的准确性,但要实现短时高效预测,还需在智能电网系统中对智能算法合理使用.

关键词：智能电网、用电量预测、自回归、卷积神经网络、长短时记忆网络、生成对抗网络

所属期刊栏目：60

分类号：TM73(输配电工程、电力网及电力系统)

资助基金：国家重点研发计划;贵州电网有限责任公司电力规划专题研究项目

在线出版日期：2023-10-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：98-103,123