电力市场中基于Attention-LSTM的短期负荷预测模型

摘要：

电力市场环境下,精准的短期负荷预测可以保障电网安全稳定运行,但电价的实时波动增加了负荷变化的复杂性,加大了预测难度.针对这一问题,采用最大信息系数法分析电价及历史负荷与当前时刻负荷的相关性,为预测模型输入特征的确定提供依据.在此基础上,提出了基于Attention-LSTM(attention long short-term memory,Attention-LSTM)网络的短期负荷预测模型.该模型充分利用负荷的时序特性,并采用Attention机制突出对负荷预测起到关键作用的输入特征.以澳大利亚某地区真实数据为算例,分别应用Attention-LSTM模型与其他模型进行仿真实验.结果表明,所提方法在预测精度和算法鲁棒性方面均优于其他模型.

关键词：负荷预测、电力市场、最大信息系数、LSTM、Attention机制

所属期刊栏目：43

分类号：TM715(输配电工程、电力网及电力系统)

在线出版日期：2019-06-06（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：1745-1751