10.19421/j.cnki.1006-6357.2019.01.003
基于attention机制的LSTM神经网络 超短期负荷预测方法
随着电力系统中分布式能源及可调控柔性负荷等的增多,电力系统负荷的随机性增强,且电力系统智能化发展,使得可获得数据急剧增长.为充分利用历史负荷数据,提高超短期负荷的预测精度,提出一种基于attention机制的LSTM超短期负荷预测方法.首先,通过分析负荷数据的自相关性,选取预测点前168 h的负荷数据作为网络输入,并针对坏数据进行辨识修正,随后通过Adam算法实现网络训练.最后,通过与标准BP神经网络的预测结果的MAPE指标进行对比,验证了所提方法的可行性及效果.
超短期负荷预测、LSTM网络、attention机制、相关性、标准BP神经网络
36
TM74(输配电工程、电力网及电力系统)
国家自然基金-国家电网联合基金U1766207
2019-03-11(万方平台首次上网日期,不代表论文的发表时间)
共6页
17-22