基于LSTM和CatBoost组合模型的短期负荷预测

摘要：

针对现有的电力系统短期负荷预测方法存在预测精度较差的问题,提出一种基于长短期记忆神经网络(Long short term memory,LSTM)和CatBoost组合的短期负荷预测方法,针对电力负荷数据具有时序性和非线性的特点,以及长短期记忆网络不能直接处理类别型特征,对处理后的电力负荷数据建立LSTM负荷预测模型和CatBoost负荷预测模型;用方差倒数法确定加权系数,得到LSTM和CatBoost组合模型的预测值;最后使用实际负荷数据对算法有效性进行验证,预测结果表明采用LSTM和CatBoost组合模型的方法在负荷预测精度上有显著的提高.

关键词：短期负荷预测;方差倒数法;LSTM;CatBoost;组合模型

所属期刊栏目：16

分类号：TM74(输配电工程、电力网及电力系统)

在线出版日期：2021-11-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：62-69