基于随机森林和双向长短期记忆网络的超短期负荷预测研究

摘要：

为了充分挖掘电力负荷与多维特征因素的非线性关系,提高负荷预测精度,提出了一种基于随机森林和双向长短期记忆(bidi-rectional long-short-term memory,Bi-LSTM)网络的超短期负荷预测方法.首先,采用基于随机森林的特征选择算法,筛选与负荷关联性强的特征作为预测模型的输入;其次,构建Bi-LSTM网络,对特征选择后的负荷数据进行预测;最后,采用某市真实负荷数据进行仿真分析.结果表明,所提方法与传统预测方法相比,具有更高的预测精度,为精确预测具有多维特征因素的负荷提供参考.

关键词：多维特征、负荷预测、随机森林、双向长短期记忆网络、特征选择

所属期刊栏目：44

分类号：TM714(输配电工程、电力网及电力系统)

资助基金：南京工程学院大学生科技创新基金项目TB202117043

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

页数：共4页

页码：35-37,40