基于CNN-BiLSTM-Attention的超短期电力负荷预测

摘要：

超短期电力负荷预测对电力系统的快速响应和实时调度至关重要,准确预测负荷能保障电力系统的安全并提高用电效率.为获得准确可靠的负荷预测结果,针对电网负荷数据非线性和时序性等特征,提出了一种基于CNN-BiLSTM-Attention(AC-BiLSTM)的新型超短期电力负荷预测方法.该方法首先将卷积神经网络(CNN)和双向长短期记忆(BiLSTM)网络相结合充分提取负荷数据本身的时空特征.然后引入注意力(Attention)机制自动为BiLSTM隐藏层状态分配相应的权重,以区分不同时间负荷序列的重要性,能够有效减少历史信息的丢失并突出关键历史时间点的信息.最后通过全连接层输出最终负荷预测结果.以某地区真实负荷数据为例进行了实验分析.通过两种实验场景对比,验证了该方法具有较高的预测精度,可以为电力系统规划和稳定运行提供可靠的依据.

关键词：负荷预测、卷积神经网络、双向长短期记忆网络、注意力机制、电力系统

所属期刊栏目：50

分类号：TM715;TP391.41;TP183

资助基金：河南省科技攻关项目;河南理工大学博士基金;河南省高等学校重点科研项目

在线出版日期：2022-05-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：108-116