基于因果关系分析的短期负荷预测方法研究

摘要：

随着高比例可再生能源和电力市场的快速发展,电力系统不确定性增大.为提高市场环境下负荷预测精度,提出一种基于因果关系分析的短期负荷预测方法.首先,采用灰色关联度分析法量化气象因素和市场因素与负荷的相关性;然后,采用最优模态分解法对负荷模态分解,利用Granger因果分析法将影响因素与模态子序列进行匹配;最后,对子序列分别采用差分自回归移动平均(ARIMA)模型和双向长短时记忆(Bi-LSTM)神经网络模型进行预测,将预测结果叠加得到短期负荷预测结果.仿真结果表明,所提方法的预测精度可达到92％,验证了方法的准确性和有效性.

关键词：短期负荷预测、最优模态分解、Granger因果分析、ARIMA、Bi-LSTM

分类号：TM734(输配电工程、电力网及电力系统)

资助基金：大学城绿色低碳多能互补综合能源系统关键技术研究与示范52090020002X

在线出版日期：2022-10-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：23-32